高光谱成像技术在书写色料鉴别中的应用

文件检验中，可以通过对书写笔迹中色料成份的鉴别推断文件的真伪，高光谱因无损且分辨率高而成为近几年分析墨迹成份的首选方法，尤其是结合化学计量学对光谱数据信息进行深度挖掘分析。

Reed 等]研究发现，HIS可以有效地区分化学成份相似的中性笔，对不同品牌的黑色、蓝色、红色中性笔的辨识率分别为0.40、0.90和1.00，表明 HIS 以无损高效的特点在中性笔种类鉴别方面有非常广阔应用前景；

Silva等将近红外高光谱技术与化学计量学结合，对分别使用钢笔、中性笔、圆珠笔、激光打印墨粉制备的消退、添改、交叉笔画先后顺序三种类型的样本进行鉴别，结果发现，PCA与MCR-ALS联用后对消退、添改、笔画先后顺序的识别率分别为43%、82%、85%，结果表明，近红外高光谱与化学计量学结合在识别伪造文件方面的巨大潜力；

孙梅等采用V10E-PS88%，该研究为文件真伪的自动化鉴别技术打开了一扇新的窗口；

Rodrigues等将拉曼高光谱与化学计量技术相结合分析交叉笔画的先后顺序。采用k-means、多元曲线分辨率-交替最小二乘（MCR-ALS）和 PLS-DA对8支不同品牌中性笔交叉笔画的高光谱图像进行分析，结果发现，HIS结合MCR-ALS的识别率在70%以上，但当交叉顺序互换后却会出现部分不确定或错误的结果，这表明不同的油墨与纸张的相互作用不同，具体原因有待进一步研究；

国中正等将超光谱技术与化学计量学相结合，成功地将29种直液式走珠笔墨迹通过系统聚类进行了分类，该研究为书写工具的鉴别提供了有效补充；

Melit等]将t-Dis-tributed Stochastic Neighbor Embedding（t-SNE）的降维算法引入墨迹分析，他们利用HSI采集了不同品牌、型号的60多支中性笔和圆珠笔（蓝色、黑色、红色墨迹）数据，在对其光谱进行预处理后，使用t-SNE对数据进行降维，并与PCA进行比较，发现t-SNE 法在墨迹光谱数据的维数重构方面优于 PCA。此外，研究表明非线性的降维方法更适用于油墨光谱的研究。

李云鹏等将基于液晶可调谐滤光器（LCTF）的HSI成像技术与SVM算法结合，对三种隐性字迹（可擦笔擦出字迹、荧光密写笔、柠檬汁字迹）实现了同时显现与分类，且分类总精度达到类 99.284%，Kappa系数为0.9591，结果表明，该方法在快速、高效地鉴别隐性字迹方面有广阔的应用前景；

陈维娜等利用HSI技术结合化学计量法对28种不同品牌、型号的黑色水彩笔进行分类鉴别，采用 PCA法将28种水彩笔分为4类，并用费希尔判别分析的交叉验证正确率达到了92.0%，该研究表明：HSI技术结合化学计量法可以对黑色水彩笔墨迹进行快速、无损的分类，为实践中文件物证溯源提供了一种新的思路。

唐逸凡等采集了10种黑色签字笔的高光谱用于优化模型和预测分析，结果发现，先将PLS-DA.LDA 和PCA降维后的数据进行合并，然后再建立SVM模型的分类准确率最高，达到了91.72%，结果表明利用先线性降维再结合SVM建立分类模型的方法是几种分类方法中的最优策略，能够实现对黑色签字笔的快速、准确的鉴别，该研究为文件真伪鉴别提供了一种科学、无损和准确的检验方法。

高数辉等提出一种HIS结合一维深度残差收缩网络模型（One Dimensional Deep Residual Shrinkage Networks，1D-DRSN）法高效无损地鉴别黑色中性笔墨迹种类的新方法。实验中首先采集30种不同品牌中性笔的高光谱图像，借助 SVM、Savitzky-Golay平滑（S-G 平滑）等方法对原始数据进行预处理后，建立1DDRSN模型，与卷积神经网络和传统机器学习模型比较，结果发现1D-DRSN的验证识别率最高，达到 75.4%，研究表明，HIS结合1D-DRSN 模型在中性笔墨迹分类的效果和精度上明显优势，利用该方法可实现黑色中性笔墨迹种类高光谱数据的深度挖掘和准确分类。