华南农业大学数学与信息学院, 广东 广州 510642
获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证, 这对纺织服装、 出版印刷、 网络电商、 远程医疗等对颜色有较高要求的行业有重要作用。 光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系, 从而避免使用分光光度计等专业设备所带来的成本高、 操作复杂、 分辨率低等问题。 训练样本的选择是影响光谱反射率重建算法效果的重要因素。 从物理角度看, 光谱反射率是一条关于波长的光滑曲线, 光谱反射率向量最大的相关性特征就是其光滑性, 因此, 训练样本的选择应同时考虑空间距离和形状的相似性。 针对局部学习方法中局部样本选择问题, 提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法, 以提高光谱反射率重建的精度。 该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量, 根据样本容量动态地选出相似度较高的样本。 实验以孟赛尔半光泽数据集(munsell matte)为样本集, 基于伪逆法进行光谱反射率重建, 以光谱均方根误差和色差为评价指标, 与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。 实验结果表明, 基于改进加权欧氏距离的样本选择, 能够在保证均方误差最小的条件下, 显著降低色度误差, 同时添加不同噪声水平后, 文中方法的均方根误差和平均色差依旧保持最小, 该方法能够更好地利用局部样本的信息, 而且具有较好的抗干扰能力, 可以有效地提高光谱反射率重建的实际应用效果, 进而为颜色的真实再现提供保障。
光谱反射率重建 样本选择 改进加权欧氏距离 Spectral reflectance reconstruction Sample selection Improved weighted Euclidean distance 光谱学与光谱分析
2023, 43(12): 3924
云南师范大学物理与电子信息学院，云南 昆明 650500
为了降低光谱反射率重建设备的复杂度和成本并且在宽带光谱上进行更高精度的反射率重建，采用宽带多光谱成像的方法，将投影仪的红、绿、蓝三色光作为光源，用彩色数码相机对光谱图像进行采样。在主成分分析法的基础上引入加权系数，以及误差校正函数，利用改进后的方法重建色卡、染色纸张、油画表面的反射率。选取表征反射率重建精度的均方根误差、拟合度系数、光谱匹配偏度指数3个指标，对所提方法与主成分分析法和加权伪逆法的重建结果进行对比，结果表明：所提方法的重建精度较主成分分析法提高了约45%，较加权伪逆法提高了约30%；由所提方法计算的反射率重建的颜色色差值也优于后两者。
光谱学 光谱反射率重建 主成分分析法 加权系数 误差校正
辽宁科技大学计算机与软件工程学院, 辽宁 鞍山 114051
给定物体三刺激值, 重建物体反射率在跨媒体颜色复制领域有着重要应用。 常见的重建反射率算法包括基向量法、 维纳估计法、 加权伪逆方法等, 这些方法大多都是为了建立由低维度三刺激值或者RGB向高维度光谱反射率的映射关系, 以重建的反射率与原始反射率的接近程度为评价指标, 并且需要光谱反射率数据进行训练。 但是很多工业领域在产品设计时都需要考虑到颜色恒常性(CII)问题, 以保证产品颜色在不同光照条件下具有相近的颜色表现。 光谱反射率是决定物体颜色恒常的重要属性, 为解决重建反射率进行颜色复现后产生颜色恒常性问题, Takahama 和Nyatani提出具有颜色恒常性的线性规划光谱反射率重建方法, 测试结果发现该方法重建的反射率呈现出类似“台阶”的形状, 与实际物体色反射率差别太大。 之后, Berns等在Takahama和Nyatani算法基础上, 增加了色相角等约束, 但重建出的反射率波动太大。 Li和Luo提出具有光滑约束的二次规划颜色恒常性重建反射率算法, 重建的反射率具有光滑性, 比较接近实际物体色的反射率。 提出一种非线性约束优化方法重建物体反射率, 使之具有良好的颜色恒常性和光滑性。 文中使用标准Munsell色卡中1 560个色块测量的反射率数据集对新算法进行测试, 并与其他方法进行比较。 结果表明, 该方法不仅在重建反射率的颜色恒常性指标上远比Takahama和Nyatani方法, Berns等的方法以及Li和Luo的方法要好, 而且重建反射率与原始反射率接近程度指标: 均方根误差(RMSE)和拟合优度系数(GFC)也好于其他方法。 因此该新方法对重建反射率时具有颜色恒常性要求的行业有着重要的应用价值。
光谱反射率重建 颜色变换指数 非线性规划 色适应变换 颜色恒常性 Spectral reflectance reconstruction Color inconstancy index Nonlinear programming Chromatic adaptation transform Color constancy 光谱学与光谱分析
2022, 42(4): 1044
辽宁科技大学计算机与软件工程学院，辽宁 鞍山 114051
提出了一种基于多光源下彩色数码相机原始数据的物体反射率预测算法。通过测量获得彩色数码相机的灵敏度函数和每个光源的光谱，建立包括噪声项的相机原始数据与物体反射率的基本线性方程。通过训练色卡（X-Rite 140色色卡）估计系统噪声，并通过多光源维纳估计算法预测反射率。用两台不同品牌的专业数码相机对本算法进行评估。结果表明，本算法在D65、U30和HZ光源下的表现最优。相比分光光度计得到的光谱反射率，Canon相机和Nikon相机对孟塞尔色卡的预测精度较高，平均CIELAB色差分别为1.59和1.40，在非接触测色和颜色复制等领域具有重要应用价值。
视觉光学 多光源 光谱反射率重建 维纳估计 多光谱成像 激光与光电子学进展
2022, 59(19): 1933001
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
辽宁科技大学计算机与软件工程学院, 辽宁 鞍山 114051
研究了相机JPG数据线性化对基于加权多项式回归算法的光谱反射重建精度的影响,论证了是否需要在加权多项式回归算法中对JPG数据进行线性化处理。实验采用加权多项式回归算法重建反射率,以X-Rite Digital ColorChecker Semi Gloss (SG)色卡(包括140个色块和灰色色块)进行训练,GretagMacbeth ColorChecker色卡(包括24个色块和灰色色块) 和自制的44个印刷样品及48个纺织品样品做测试。采用CIEDE2000色差和均方根误差将结果与真实数据进行对比,结果表明,在加权多项式回归算法中使用原始JPG数据的效果要优于使用线性化JPG数据。基于该研究结果,对JPG数据进行线性化处理并不能提高加权多项式回归算法重建反射率的重建精度。而不进行JPG数据线性化,同样可以得到较高的光谱重建精度。在三阶加权多项式回归算法中,使用原始JPG数据的重建效果最好。
色彩 光谱反射率重建 线性化 多项式回归 色差 重建精度 激光与光电子学进展
2021, 58(14): 1433001
1 云南师范大学 物理与电子信息学院, 云南 昆明 650500
2 云南省光电信息技术重点实验室, 云南 昆明 650500
对基于核熵成分分析的光谱反射率重建方法进行了研究,分别采用主成分分析方法和核主成分分析方法构建光谱反射率重建算法进行颜色重建研究,并与基于核熵成分分析算法的光谱反射率进行比较。实验结果表明,基于核熵成分分析的光谱重建算法在色度精度和光谱精度上均优于主成分分析和核主成分分析,对物体表面颜色的真实重建具有一定的应用价值。
多光谱成像 光谱反射率重建 主成分分析(PCA) 核主成分分析(KPCA) 核熵成分分析(KECA) multi-spectral imaging spectral reflectance reconstruction principal component analysis(PCA) kernel principal component analysis(KPCA) kernel entropy component analysis(KECA)
1 西安建筑科技大学 信息与控制工程学院, 陕西 西安 710055
2 陕西文物保护研究院, 陕西 西安 710075
针对传统方法重建光谱反射率过程中未考虑多光谱训练数据维度高、冗余大的特点, 导致重建精度低、重建模型学习能力和泛化能力较差的问题, 提出了多核支持向量回归的光谱反射率重建方法。首先综合全局、局部核函数的特点引入柯西核函数与多项式核函数的乘积作为多核核函数, 然后使用试凑法从训练样本中获取提高模型性能的参数。最后使用多核支持向量回归模型对测试样本进行反射率重建, 通过光谱误差及适应度等进行评价。实验结果表明: 与伪逆、单核支持向量回归法相比, 本文重建方法的光谱误差值降低了0.4~0.785, 决策系数提高了2.84~5.27%, 平均适应度系数值提高了2%~3%。本文方法在颜色复制中重建精度高、色差较小, 满足人眼视觉可容忍范围内。
支持向量回归 多核 光谱反射率重建 support vector regression multi-kernel spectral reflectance reconstruction
