基于多项式回归与线性插值的全场纳米谱学成像背景序列预测

全场纳米谱学成像（TXM-XANES）是将透射X射线显微镜（Transmission X-ray Microscope,TXM）与X射线近边吸收结构（X-ray Absorption Near Edge Structural,XANES）有机结合的成像方法，通过测量感兴趣元素K边前后多个能量点的TXM图像，无损获得样品内部纳米尺度化学元素价态分布，已应用于能源材料、生物医学和地球科学等多个学科领域。常规TXM-XANES数据需要采集每个能量点下的图像和背景图像，数据量大，采集时间长，由于纳米尺度下机械结构的不稳定和样品的移动都会对TXM-XANES数据分析产生一定的影响。基于已知数据，利用机器学习的算法建立了多项式回归与线性插值运算模型，实现了仅通过两张谱学背景图像完成背景图像序列预测建模。利用该方法对标准样品及锂电池正极材料进行谱学成像分析，结果表明：相对于常规TXM-XANES方法，该方法具有数据量少、采集时间短等优势，可显著提升TXM-XANES的实验效率。