辽宁科技大学计算机与软件工程学院, 辽宁 鞍山 114051
基于相机RGB预测物体光谱反射率的研究一直备受研究者们的关注。 传统方法都是通过单一光源下的信息进行光谱反射率恢复。 最近, Zhang等在Color Research & Application报道了一种基于单光源相机RGB信息预测物体光谱反射率的两步方法。 首先基于单个光源下的相机响应RGB值, 挑选出一定量的训练数据, 采用多项式模型和伪逆的方法预测出不同光源下的CIE XYZ值; 然后根据预测的多光源下的CIE XYZ值及整体训练数据预估光谱反射率, 再通过预估的光谱反射率挑选一定量训练样本, 通过伪逆方法预测出物体光谱反射率。 尽管仍然基于一个光源下的相机响应RGB, 但通过映射到多光源下的色度值XYZ, 提高输入信息的维度来优化光谱反射率的重建精度。 受Zhang等工作的启发, 提出新的基于单一光源下相机的raw RGB响应信息, 通过三阶多项式模型扩展的加权最小二乘方法对多光源下的CIE XYZ值进行预测, 然后根据预测出的多光源下的CIE XYZ值再通过维纳估计的方法进行光谱反射率重建, 通过这样的两步方法实现从相机响应RGB到光谱反射率的重构。 该新方法, 采用全体训练数据, 应用十分方便, 避免了Zhang等的方法需要挑选一定量的局部训练样本的问题。 同时Zhang等的方法挑选出的局部训练样本同等重要, 而该方法在第1步中, 根据训练样本与给定的测试样本的接近程度, 赋予训练样本不同的权重, 以提高预测精度。 通过采用140色色卡作为训练样本, 24色色卡和自制的44色印刷品样本进行测试, 以判断预测和实测反射率接近程度的均方根误差(RMSE)和人感知色差为评价标准进行比较, 结果表明, 该方法明显优于Zhang等的方法, 而且预测精度随着光源数量的增加而提高, 当光源个数达到6时, 表现最佳。
多光源 光谱反射率重建 加权 维纳估计 Multi-illuminants Spectral reflectance reconstruction Weighting coefficients Wiener estimation 光谱学与光谱分析
2021, 41(10): 3281
1 上海出版印刷高等专科学校印刷包装工程系, 上海 200093
2 上海理工大学出版印刷与印术设计学院, 上海 200093
3 南京城建环境投资有限公司, 江苏 南京 210000
为解决基于RGB三通道信息值重构光谱反射率精度不理想的问题, 提出了一种优化的基于RGB三通道信息的光谱反射率重构算法。 首先编码产生随机选择多个光源的个体, RGB三通道值通过多项式回归算法预测多个光源下的三刺激值, 并采用伪逆法进行多光源下的光谱反射率重构, 然后将样本的重构精度作为个体的适应度评估值, 以优胜劣汰, 适者生存为原则对个体进行选择、 交叉、 变异操作, 最后得到适用于颜色样本光谱重构的多个光源与基于这些光源重构得到的光谱反射率。 实验选用Munsell颜色集作为训练样本集, RC24色卡、 SG140色卡作为检测样本集, 8个标准光源和82个发光二极管光源作为实验光源, 采用该算法从90个光源中选取最优的光源组合并重构得到样本的光谱数据, 并与Zhang提出的基于穷举法选择的多光源下的光谱重构方法和A光源下的伪逆法进行了重构精度对比。 实验结果显示该研究提出的方法随着光源个数的增加, 光谱反射率重构精度提高, 特别是光源个数增加到3时, 光谱重构精度提高的幅度最大。 在三种重构方法中, 该方法重构RC24的平均色差和平均光谱均方根误差分别为0.332 4和0.002 9, 而Zhang的方法与伪逆法的平均色差分别为0.429 3和3.266, 平均光谱均方根误差分别为0.029 7和0.004 8; 该文方法重构SG140的平均色差和平均光谱均方根误差分别为0.486 2和0.007 3, 而Zhang的方法与伪逆法的平均色差分别为0.544 8和3.821 9, 平均光谱均方根误差分别为0.035 6和0.013 3。 结果表明基于多光源下的光谱反射率重构精度明显优于基于单个光源下的重构精度, 而基于遗传算法的多光源选择方法又优于穷举法, 它能够根据颜色样本自动寻找到最优光源组合, 从而基于最优多光源下的三刺激值重构样本的光谱反射率, 提高了光谱反射率重构的精度。
光谱反射率重构 遗传算法 多光源 三刺激值 最优组合 Spectral reflectance reconstruction Genetic algorithm Multi-illuminants CIE XYZ values Optimal combination 光谱学与光谱分析
2019, 39(4): 1162
