Gaussian random ellipsoid geometry-based morphometric recovery of irregular particles using light scattering spectroscopy.
Gaussian random ellipsoid geometry-based morphometric recovery of irregular particles using light scattering spectroscopy.
复制标题
DOI：
10.1016/j.jqsrt.2012.12.015
复制
发表时间：
2013-03-01
影响因子：
2.3
通讯作者：
Jiang, Huabei
中科院分区：
文献类型：
--
作者：
Hajihashemi, M. Reza;Jiang, Huabei
本研究的目的是扩展多光谱光学成像技术的能力，用于在几种应用中遇到的不规则颗粒的形态表征。我们利用高斯随机椭球模型量化了复杂形状粒子的形状延伸和偏差。与高斯随机球模型相比，该模型更符合实际，适用范围更广，自由参数尽可能最小。通过对还原光散射光谱进行处理，该方法可以同时恢复胶体悬浮液中随机取向颗粒的尺寸、体积分数、伸长率和形状变形。在前向光散射计算和输入合成数据生成中采用离散偶极子近似。为了研究该算法在实际情况下的鲁棒性，我们在观测到的散射光谱中加入了不同程度的噪声。结果证明了我们的技术在无创恢复不规则颗粒的形态参数方面的潜力。
The purpose of this study is to extend the capabilities of multispectral optical imaging techniques for morphological characterization of irregular particles, encountered in several applications. We have utilized the Gaussian random ellipsoid model to quantize the shape elongation and deviation in complex-shaped particles. Compared with the Gaussian random sphere model, it is more realistic and is applicable to wider range of irregular particles with minimum possible of free parameters. By processing the reduced light scattering spectra, the proposed inverse technique can simultaneously recover the size, volume fraction, elongation, and shape deformation of particles that are randomly oriented within a colloidal suspension. The discrete dipole approximation is employed in forward light scattering calculations and input synthetic data generation. To investigate the robustness of our algorithm in coping with real scenarios, we have added different levels of noise to the observed scattering spectra. The results demonstrate the potential of our technique to non-invasively recover the morphology parameters of irregular particles.
登录
查看更多内容
DOI：
10.1016/j.jqsrt.2011.02.013
发表时间：
2011-07-01
影响因子：
2.3
作者：
Muinonen, Karri;Pieniluoma, Tuomo
通讯作者：
Pieniluoma, Tuomo
影响因子：
3.9
作者：
Sun, ZG;Tomlin, CD;Sevick-Muraca, EM
通讯作者：
Sevick-Muraca, EM
影响因子：
4.9
作者：
DRAINE, BT
通讯作者：
DRAINE, BT
DOI：
10.1016/j.jqsrt.2007.01.034
发表时间：
2007-07-01
影响因子：
2.3
作者：
Yurkin, M. A.;Hoekstra, A. G.
通讯作者：
Hoekstra, A. G.
DOI：
10.1137/0913035
发表时间：
1992-03-01
期刊：
SIAM JOURNAL ON SCIENTIFIC AND STATISTICAL COMPUTING
影响因子：
--
作者：
VANDERVORST, HA
通讯作者：
VANDERVORST, HA