基于冠层辐射传输模型的地表反射率光谱重建方法

针对基于多光谱数据有限光谱信息重建地表反射率光谱的病态求解难题,提出一种基于冠层辐射传输物理机理并充分考虑像元异质性的地表反射率光谱重建方法,该方法假设混合像元由植被和土壤两种地物类型组成,利用冠层辐射传输模型构造端元光谱查找表,进而通过组分比例因子估算实现基于多光谱图像的高光谱地表反射率模拟。以Landsat ETM+多光谱图像为例的地表反射率超光谱重建验证实验结果表明,模拟的反射率光谱能够较好的反映不同地物特征信息。进一步地,利用模拟的地表反射率拟合Landsat ETM+图像和MODIS图像,各波段模拟图像与实际观测图像之间具有较高的相关系数(Landsat: 0.90~0.99, MODIS: 0.74~0.85),进一步验证了该方法的可行性。     

光谱成像的图像颜色恒常性计算方法

光谱成像可以记录拍摄场景的光谱信息,从而实现颜色的高保真复现,图像的光谱信息通常同时混合了物体的光谱信息和光源信息,所以现有的光谱成像颜色还原需要通过提前放置的标定板或已知光谱特性的物体获取拍摄环境的光源信息,再进行图像的颜色恒常性校正。但光谱相机在实际使用过程中,通常难以满足上述条件,从而对图像高保真颜色还原提出挑战。针对此问题,提出一种光谱成像的图像颜色恒常性计算方法,将光谱成像系统获得光谱数据转换到XYZ颜色空间,并将图像分区域进行统计得到图像的统计点,通过大量常见光源的分布规律,给统计点施加位置权重和色温权重,同时设置亮度权重去除图像中过暗和过饱和的统计点,利用加权平均获得环境光的色度参数,根据需求将图像的XYZ颜色空间数据转换到RGB颜色空间,根据环境光的色度参数计算图像不同通道的增益,从而完成光谱图像的颜色恒常性计算。为了验证所提出算法的有效性,对140张光谱图像进行处理,计算算法得到的环境光色度参数和真实光源色度之间的再现角误差,对校正结果进行评价,结果表明提出的算法明显优于光谱图像不做处理和灰度世界法。为进一步分析算法校正结果与人眼感知之间的联系,设计颜色心理物理学实验...     

基于彩色数字相机的光谱反射率重建方法研究

如何在给定照明条件和观测条件的情况下,由彩色数字相机的响应值重建物体表面光谱反射率,仍是颜色科学与工程领域一个尚待解决的重要课题。文章使用奇异值分解的方法将光谱反射率近似为若干基向量的线性组合,求得组合系数,然后使用相机输出数据与组合系数训练人工神经网络,使之能够准确的模拟相机输出与组合系数之间的非线性关系,最后采用经训练的神经网络,与基向量结合,由相机输出准确的重建物体表面的光谱反射率。实验结果显示,与线性近似的方法相比,使用该方法对标准Munsell色块进行反射率重建,重建误差减小了约67%,具有高精度、易实现、易操作的特点,可用于对重建精度要求较高的诸多领域。     

基于宽带多通道的光谱反射率重建方法研究

复制的多光谱数据获取要求图像数据具有设备无关、场景无关特性,能够真实客观表征物体颜色信息。针对获取系统扰动、噪声误差以及光谱重建中训练样本典型代表性与相关性要求,提出了基于正交回归的光谱重建算法,并通过子空间跟踪的训练样本选择算法,选择重建样本与训练样本集中相关性与代表性最好的样本参与光谱重建。实验通过改造后的仙娜宽带多通道成像系统进行验证,数据表明本文提出的方法,所选训练样本能较好的表征样本空间并具有较好的正交性,在宽带多光谱成像方面,重建光谱平均色度误差为3.6,其光谱精度与色度精度较其他方法具有明显提高。     

基于非局部自相似性的双相机压缩光谱图像重建算法

针对压缩光谱成像的图像重建问题,提出了一种基于非局部稀疏表示与双相机系统的压缩光谱重建方法。首先,利用RGB观测来构建一种三维图像块,使用K均值聚类对图像块进行分类,并以聚类结果来指导目标高光谱图像的光谱块分类,通过主成分分析获取每个簇的特征用来稀疏表示其他光谱块。然后用构建的三维图像块估计目标光谱图像非局部相似性,并构建目标函数。最后,通过迭代收缩算法与共轭梯度下降法来交替优化目标函数完成重建。仿真和实拍结果表明,所提方法能大幅提升重建质量与精度,在空间和光谱维度上重建误差更小,RGB观测辅助字典学习与相似块估计的方法能有效提升双相机系统的计算效率。     

炉膛三维温度场重建中Tikhonov正则化和截断奇异值分解算法比较

在煤粉锅炉诊断中火焰辐射能图像扮演着越来越重要的角色, 通过电荷耦合器件(CCD)获得的辐射能图像可以重建出炉内火焰三维温度场, CCD 用于获取视场角内的辐射能图像. 温度场重建的矩阵方程是一个严重病态的方程, 本文使用两种算法(Tikhonov正则化算法和截断奇异值分解(TSVD)算法)来重建温度场. 应用广义交叉检验算法来选取正确的正则化参数. 数值模拟的环境为一个10 m×10 m×10 m的三维炉膛, 系统被划分为10×10×10的1000个网格, 每个网格单元都是边长为1 m的立方体. 在正问题求解所得到的CCD接受信号基础上加上不同随机误差以模拟测量时的CCD接受信号. 研究两种算法重建后的温度重建误差、两者的重建时间, 以及最高温度的重建效果. 初步的研究结果显示, 一般情况下基于Tikhonov算法重建的温度场比基于TSVD算法重建的温度场误差要小, 计算所需时间短, 最高温度重建更准确.     

基于相机rawRGB通过加权多项式和维纳估计方法重建光谱反射率

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。     

彩色数码相机单幅RGB图像光谱重建研究

通过彩色数码相机单幅RGB图像的响应值重建物体表面的光谱反射率,不仅可以有效避免基于带通滤光片光谱成像系统存在的通道间图像像素偏移问题,而且可以缩短图像采集周期和获得高空间分辨率的光谱图像,但是光谱重建误差受光谱重建方法的影响。提出了一种基于相机响应值扩展和局部反距离加权优化的光谱重建方法,以CIEDE2000色差和光谱均方根误差为评价指标,以600个矿物颜料色块为实验样本,利用佳能600D型数码相机对所提方法进行了验证,并与当前几种较先进的方法进行了对比。实验结果表明,所提方法的平均CIEDE2000色差和平均光谱均方根误差分别降低到1.0389和0.0230,所提方法的光谱重建精度优于当前几种较先进方法的光谱重建精度。     

兼顾色度和光谱精度的多光谱图像LabW2P编解码

针对可见光多光谱图像在通用领域的应用,为提高压缩效率,有效提升重建光谱曲线的色度及光谱精度,进一步存储传输,提出了一种非线性光谱反射率模型,并基于此设计了复杂度适中、光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。首先根据多光谱图像物理特性,提出非线性光谱反射率模型,将光谱数据表示为线性成分和差别光谱,线性成分由六维变换空间及光谱投影系数组成,差别成分为非线性表示成分,该模型用于光谱数据至不同基变换空间的分解及表示,为算法的构建,光谱及色度重建性能的提升,提供了理论基础;然后,根据人眼视觉系统特征、光照条件,借助CIE标准色度空间转换函数,提取光谱反射率中的三维色度信息Lab,保证重建图像的色度精确性;基于光谱非线性表示模型,采用类视觉曲线的三角函数基,提取线性成分前两维投影系数作为光谱编码的后两维W₁和W₂,用于近似描述CIERGB色度空间中R和G通道,同时有效提高光谱数据的色度和光谱还原度;利用误差补偿机制生成预测差别光谱,采用主成分分析（PCA）法提取其第一维主成分作为编码值P,补偿了线性光谱重建误差,并进一步提升了光谱精确性;最后,组合提取的三部分数据,形成LabW2P编码。LabW2P解码即编码的逆过程。首先,根据Lab及W₁和W₂,结合CIELAB至CIEXYZ色度空间转换函数、光照条件、CIE标准观察者色匹配函数、及三角函数基,采用最小二乘回归,获得变换空间上的重建投影系数,进而重建线性光谱数据;然后,根据P值,采用PCA逆变换,获取重建预测差别数据,最后,结合两部分重建数据,获得光谱重建图像。实验分析显示,LabW2P算法的平均色度精度为0.207 6,较经典的PCA,LabPQR和LabRGB法分别提升了81.54%,55.48%,32.29%,最大平均色差为0.507 0,此外均处于0～0.5之间,达到了视觉难以辨认的可忽略色差的色彩重建水平;平均光谱精度为0.012 7,较PCA性能稍弱,较LabPQR和LabRGB法分别提升了13.01%,6.62%,表明LabW2P编码法的色度和光谱重建性能优势明显。此外该算法可直接用于物体色估计,较PCA和LabPQR法,传输附加信息少,可达压缩比更高。     

具有颜色恒常性的光谱反射率重建

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。     

基于光谱连接空间的彩色相机光谱重构研究

针对彩色相机三通道响应值重构光谱反射率精度低的问题,提出了基于光谱连接空间的彩色相机光谱反射率重构方法。首先通过光谱反射率已知的训练样本集和多项式拟合方法建立相机响应值到光谱连接空间的转换矩阵,然后利用该矩阵将待重构样本的相机响应值映射到光谱连接空间,最后选用合适的光谱重构算法在光谱连接空间内实现光谱反射率重构,并利用色度误差和光谱误差两个指标对重构结果进行评价。在上述过程中,鉴于转换矩阵的重要性,采用了基于反距离加权的最小二乘法计算转换矩阵以提高相机响应值到光谱连接空间的转换精度。实验结果表明:本文方法切实可行且精度可靠,与基于彩色相机三通道响应值的光谱重构方法相比,色度重构精度和光谱重构精度均显著提高,平均色差和谱差分别为1.145 2和0.010 3,可在较大程度上满足数字典藏、高保真颜色复制等的需要。     

Regularized optimization (RO) reconstruction for oximetric EPR imaging

A new algorithm for EPR imaging oximetry is described and tested with experimental data for the case of one spatial and one spectral dimension. A single species with variable linewidth is assumed. Instead of creating a 2D image, two one-dimensional profiles are reconstructed: the concentration of the radical and the corresponding oxygen concentration, which reduces the dimensionality of the problem. The algorithm (i) seeks to minimize the discrepancy between experimental data and projections calculated from the profiles and (ii) uses Tikhonov regularization to constrain the smoothness of the results. This approach controllably smoothes profiles rather than the data, while preserving sharp features.     

基于非线性光谱字典学习的单幅RGB图像光谱重建方法研究

针对单幅RGB图像重建光谱图像中的病态问题,提出一种基于非线性光谱字典学习的非线性重建方法。为了适应线性和非线性数据,该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法,并利用其从训练光谱集中学习低维光谱字典,用于光谱重建的求逆方程中,以缓解病态状况。再在此光谱字典基础上,利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法,进一步缓解该非线性反演的病态问题,实现单幅RGB图像重建光谱图像。在实验中,采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典,同时利用CAVE和UEA光谱图像库进行光谱重建测试。该方法测试结果与现有方法比较发现,该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低,分别为0.212 4,0.255 4,0.229 4和0.294 9,均方根差的标准偏差接近最好方法的效果,分别为0.068 5,0.084 7,0.066 8和0.087 0。此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势。     

Recovery of Surface Reflectances Using Video Camera Image Signals under Unknown Illuminations

Estimation of surface spectral reflectance functions and colorimetric values of object colors was carried out for the image data captured by video camera under unknown illuminations. The estimation method is based on the finite-dimensional linear model of illuminants and surfaces using a single reference reflectance with known surface spectral reflectance in a scene. Experimental results showed that recovered surface spectral reflectance functions are the almost same for different illuminations. This method is useful for the colorimetric calibration of the devices, since any set of orthonormal basis vectors to represent illuminations and any set of eigen vectors derived from principal component analysis on the data set of a color chart to express surfaces of different objects can be applied to the estimation. The recovered surface reflectances were evaluated by color differences in CIE L*a*b* color space.     

Adaptive non-negative bases for reconstruction of spectral data from colorimetric information

The positive basis functions of the reflectance spectra of Munsell color chips are extracted by using the classical nonnegative matrix factorization method. Different numbers of basis, i.e., 3 to 5, are determined and used as projection spaces. The spectral reflectances of samples are defined in the desired compact spectral spaces and the performances of the spaces are evaluated through the cost of the “lost data” by computing of the root mean square error between the actual and the reconstructed spectra as well as the corresponding color difference values under different viewing conditions. The method is also compared with the most welcomed technique, i.e., principal component analyzing, and its priority is shown to some extent in the three dimensional space. To show the importance of the spectral behaviors of samples in the dataset on the extracted basis and consequently the error of the spectral reconstruction trial, the adaptive non-negative matrix factorization method is introduced and examined in the reconstruction of spectral data from the colorimetric tristimulus values. The suggested method weights the samples in the database proportional to the colorimetric differences between the specimens in the dataset and the sample whose spectral has been aimed, prior to the extraction of all positive bases. The root mean square errors between the actual and the reconstructed spectra as well as the metamerism indices under A and F11 illuminants are calculated and the results show considerable improvement over the classic non-negative matrix factorization method as well as the principal component analyzing technique.     

Colorimetric Calibration of Video Cameras Using Two Color Constancy Models

Colorimetric calibration of color imaging devices is important to realize device independent color reproductions. However the calibration for digital or video cameras is difficult because a color image is acquired for unknown objects under various unknown illuminants. An experiment was carried out based on two computational color constancy models, the finite-dimensional linear model and the spectral sharpening model, to estimate colorimetric values using image data of a color chart captured by video camera. We estimated the colorimetric values by using a single reference reflectance with known spectral reflectance in a color chart under an unknown illuminant. The accuracy was evaluated by color differences in CIELAB color space and was compared on three different color charts under three different illuminants including a fluorescent lamp. It was confirmed that the two computational models do not require prior knowledge of illuminants and surfaces. The finite-dimensional linear model gave more accurate results than the spectral sharpening model in the simulations and experiments.     

改进的固定点图像复原算法（英文）

研究了周期边界条件下,Tikhonov正则化的固定点算法,提出了变化正则化参数的方法。首先对正则化参数取较大值,抑制复原图像中的噪声,通过得出的收敛结果来修正初始梯度;然后对正则化参数取较小值,以增强复原图像中的细节。实验结果表明,与当前求解L1范数正则化函数和全变分正则化函数的流行算法比较,本文算法对于运动模糊与高斯模糊图像的复原效果更佳。