数字相机传感器光谱灵敏度的测量

为了测量数字相机传感器的光谱灵敏度,提出了一种数字图像测量方法。在自然日光下,用被测相机采集一副标准色卡的图像,在对图像进行均匀性和线性校正后,从标准色卡图像各色块的相机响应中计算出光谱灵敏度,并在不同的照明光源下,用成像方法验证数字图像测量方法与传统的单色仪测量方法的结果,比较了两种测量方法的优缺点和精确度。实验结果表明,两种测量方法均能获得较高精度的光谱灵敏度。     

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。     

用伪同色光谱图像检测色觉正常观察者的锥细胞光谱响应

为了能够快速、准确的检测色觉正常观察者的辨色差异，从而对其红、绿、蓝三通道的锥细胞光谱响应进行研究，设计并制作了由背景层（或和明度层）以及数字层组成的伪同色光谱图像，其中背景层和数字层具有不同的光谱反射曲线，经过照明光源以及人眼锥细胞光谱响应的共同作用，使色觉正常的观察者产生不同的颜色感知差异。实验首先基于不同光谱原色的输出设备，在不同的照明光源下，制作出能够放大观察者差异的近同色异谱色样对。要求用不同颜色匹配函数计算近同色异谱色样对的CIEDE2000色差值，有的色差在人眼辨色阈值之内，有的色差人眼可明显识别。通过优化计算，将放大观察者色觉差异的近同色异谱色样对应用于伪同色光谱图像的数字层和背景层，并利用Epson Stylus Pro7908喷墨打印机和OKI C9600激光打印机分别输出伪同色光谱图像的背景层和数字层。同时组织了72名色觉正常的观察者（包含55名18～25岁的年轻观察者和17名62～74岁的老年观察者）分别在D65和LED-5000K两种光源下，对伪同色光谱图像进行识读检验。识读结果表明，伪同色光谱图像可以较为准确的判定年轻和老年观察者的视网膜锥细胞光谱响应是否老化。同种照明光源下，年轻观察者可以识读出数字的伪同色光谱图像（②/④）老年观察者不能识读，老年观察者可以识读的伪同色光谱图像（①/③）大多年轻观察者不能识读，且55名年轻观察者中有4名观察者的目视结果与老年人相同。另外，年轻观察者的锥细胞光谱响应与CIE1964和CIE2006（age=25 y）颜色匹配函数较为一致，而老年观察者的锥细胞光谱响应与CIE1931和CIE2006（age=75 y）颜色匹配函数更为一致。对比颜色匹配函数的分布，发现老年观察者的锥细胞光谱响应向长波段偏移，同时由于屈光系统光学密度增加导致其锥细胞光谱响应有所降低。     

基于高/多光谱图像空天一体融合仿真方法

提出了一种基于高/多光谱图像的空天一体融合仿真方法. 以航空高光谱数据为基础, 根据航天多光谱遥感相关参数, 通过空天一体光谱维变换、尺度空间变换、辐射强度变换、混合像素变换和噪声变换将 航空高光谱图像中的地物目标进行空天一体映射到航天多光谱图像中, 得到特定地物目标的航天多光谱融合模拟仿真图像. 仿真实验表明该方法简便易行, 有效地减少了地物目标的三维建模和探测器响应建模的巨大工作量, 较好地实现了对特定地物目标航天多光谱图像的模拟, 开拓了遥感图像仿真模拟方法的新领域, 具有重要的研究和应用价值. 关键词： 遥感图像 空天一体 融合仿真 光谱维变换     

基于光谱角累加的高光谱图像异常检测算法

针对传统方法中用作背景的像素中存在干扰像素的问题,提出一种基于光谱角累加的高光谱图像异常检测算法。通过计算测试区域待测像素光谱向量与其他光谱向量之间的夹角,并将其累加,得到图像中每个像素的异常程度;然后使用波段选择预处理方法进一步提高检测性能。HyMap高光谱数据验证表明,在虚警概率设为0.008时,检测概率达到0.73,即在提高异常检测可靠度的同时,降低了虚警概率。     

用于植物病虫害诊断的多光谱成像系统

准确重建被测目标的颜色信息对实现可靠的植物病虫害诊断具有十分重要的意义。文章提出把多光谱成像技术应用于植物病虫害诊断,所采集的多光谱图像可以从光谱维和图像维反映被测目标的特征信息。在此基础上,实验采用16个窄带滤色片、单色面阵CCD、积分球混合光源照明和标准观测环境建立了能进行适时、无损检测的多光谱成像系统。并利用该设备对Macbeth色卡中8个色卡进行光谱和颜色重建,重建的结果与光谱辐射度计的测量结果进行了比较。通过对光谱匹配角度和CIE标准色差分析,证明这种多光谱成像系统能够准确、稳定地重建出目标的光谱信息和颜色信息。     

基于形态学空间特征的高光谱遥感图像分类方法

传统的高光谱图像分类主要是基于像素的光谱特征,在一定程度上忽略了高光谱遥感图像中像素之间的空间相关性。为了充分利用高光谱图像中的空间信息,提出了一种基于加权多结构元素无偏差形态学的空间特征提取方法,并基于形态学的多尺度特征和结构保持性提出了基于邻域的多尺度空间特征提取方法,得到了高光谱遥感图像的空间特征。对k-NN分类算法进行改进,提出了基于变精度粗糙集和重构误差的k-NN分类算法,实现了基于空间特征的高光谱遥感图像分类。在两个不同的高光谱遥感图像的实验验证了基于空间特征和改进k-NN分类算法的性能。     

基于视感知特征的多光谱高保真降维方法研究

为解决多光谱数据在降维压缩过程中的颜色精度保持问题,提出一种基于人眼视觉感知特征的多光谱数据高保真降维压缩方法(VPCM)。研究首先依据人眼视觉响应的非线性解析特征,成功构建了同时综合人眼光谱特征与色度特征的变换函数,并通过进一步构造的优化函数对其进行修正,以针对不同的样本集找到最佳变换方向,而后利用修正后的视觉特征变换函数对光谱样本集进行空间变换(Γ(S)=C),然后利用主成分分析方法对经视觉特征函数变换后样本集光谱数据进行降维压缩处理,并通过逆变换重构出样本集光谱数据(Γ-1(C)=^S),进行降维评价。实验选取四类具有典型代表性的数据集作为测试样本,分别以D50/2°条件下的CIELab色差和75组典型照明光源(钨丝灯、荧光灯和LED灯)下的平均同色异谱指数(MMI)作为色度主要评价指标,同时对比了Lab-PQR和2-XYZ两种较为先进的光谱降维算法。实验结果为VPCM方法的MMI值最小,其次是LabPQR,而2-XYZ的表现较差;VPCM方法在75组光源下对四组样本集的平均重构色差ΔEab也为最小,且最大样本平均色差及方差均要小于其他两种方法;VPCM方法的重构光谱精度介于Lab-PQR和2-XYZ之间,Lab-PQR的重构光谱精度最高。实验结果显示新方法色度压缩精度整体优于对比的两种方法,在变换参考条件下具有良好的色差稳定性,能够较好的应用于多光谱数据色度高保真压缩。     

采集舌象用光源的光谱研究

在中医舌诊中,传统的光源通常为自然光甚至烛光,易受气候,环境干扰,不利于医生获得正确的舌苔色泽信息。文章引进人造光源作为对自然光源的补充或直接应用人造光源来代替自然光,能得到稳定和真实的舌态图像,获得科学严谨的诊断结果。不同的光源由于其各异的辐射光谱功率分布,显色性Ra和色温Tc的不同对同一物体照明会产生不同的颜色。文章选择了四种人造光源,通过光谱分析和分别照明时拍摄的相同图像[1]、舌象,用舌象视觉计算比较的方法选出了最佳光谱对应的光源,并在多个光学参数,色坐标容差椭圆等色度学参数上进行比较,得出一种最接近于自然光的光源,即PHILIPS YPZ220/18-3U.RR.D型光源,其色温为6 500 K的光谱特性及光学参数最接近自然光源,可作为采集舌象时的照明标准光源。此方法可为选择人造标准光源替代自然日光提供理论和实验依据。     

高光谱图像中纯光谱提取方法

利用线性解混合方法处理高光谱图像数据,需要获取存在于光谱图像中的纯光谱.目前的纯光谱提取方法都需要复杂的运算,并且都没有被证明具有普遍适用的特点,在特征空间对光谱图像中信息存在形式进行有效分析的基础上,提出基于特征空间分析和光谱相关制图法相结合的纯光谱提取方法(FSASCM),具有复杂度低、对大多数高光谱图像数据普遍适用的特点,     

端元提取技术在高光谱图像压缩中的应用

高光谱图像海量数据如何实现大比例有效压缩是限制其应用的主要问题之一,而现有有损压缩方法存在大压缩比与光谱特性信息准确保留的矛盾,即使现有最优有损压缩方法也不能够得到令人满意的结果。文章基于混合像元分解的思想提出基于端元提取技术的数据有损压缩方法来解决该矛盾,首先用顶点成分分析(VCA)方法提取场景中地物的端元光谱,根据各端元与观测像元之间的光谱间余弦角相似性度量方法估计各端元的丰度,接着对端元光谱及丰度数据进行无损压缩,最后利用JPEG2000有损压缩方法对高光谱图像的所有单波段图像进行空间维大比例有损压缩。AVIRIS高光谱图像的仿真结果表明,压缩比得到大幅度提高,光谱信息得到有效恢复。在实现压缩比为50∶1时,大部分像元的光谱角误差在2%左右。     

基于LCTF的便携式多光谱成像仪

选用商品化照相机镜头、液晶可调谐滤光片（Liquid Crystal Tunable Filter,LCTF）和单色面阵CCD相机,将LCTF置于由镜头和CCD相机组成的照相光路中构成便携式多光谱成像仪,该多光谱成像仪能够在被动和主动光源下进行多光谱图像数据采集,工作波长范围是400-720nm,光谱分辨率为10nm,建立了多光谱成像仪系统多光谱图像采集数值模型,分析了误差源,为系统定标提供了理论依据。最后在自然光照条件下进行了盆景植物的多光谱图像采集试验,重建出多光谱数据立方体,绘制了典型目标点的光谱曲线。     

基于多光谱和sRGB空间的自然植物色的重现

多光谱成像技术在颜色科学方面的应用主要在于准确的记录和复制拍摄场景的颜色信息。针对目前基于光谱的颜色重现设备昂贵、复杂和实现起来困难的问题,提出了物体颜色从反射光谱空间向sRGB颜色空间变换的方案。在遵循sRGB标准的设备上重现了D65光源下的218种自然植物颜色,所显示的颜色与植物反射光谱实物对应的名称一致。对8个自然植物在9种不同光源下和在sRGB空间下的颜色进行了预测显示。所提出的方案对在网络环境下实现相同实物在不同照明环境下的场景显示提供了可行的途径。     

成像光谱的信息采集与数据处理

论述了成像光谱技术中的光学成像技术、光谱信息采集及探测器像点与光谱图像像点的定位技术,提出了一种精确确定ＣＣＤ面阵上像敏元与光谱图像像素对应关系的新方法。系统电路能够对视频信号进行处理,输出带有标志线的复合视频信号,同时精确测定标志脉冲的位置,以数据形式提供给计算机,通过计算机对图像及采集的数据的分析处理,从而确定图像像素和ＣＣＤ面阵上像敏元的对应关系。系统软件能方便的实现对电路的控制、数据采集、光谱图像的分析、显示绘制图像的ＲＧＢ值和灰度曲线,能稳定运行于Ｗｉｎｄｏｗｓ环境下,使用灵活方便     

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...     

一个评价光谱估计精度的新参数

研究了对多光谱成像系统进行光谱估计的精度评价的问题。在给出光谱估计偏指数定义的基础上,提出了多光谱图像获取系统的光谱估计性能的评价的新方法——系统光谱匹配偏度指数法。该方法用一个指标来定量评价两光谱向量的光谱匹配程度,避免了以往评价参数的复杂性,同时反映了光谱反射率估计曲线实际测量曲线之间的差异程度。采用一典型多光谱相机对Macbeth色卡的24个典型光谱仿真估计所得的24个光谱对数值模拟,验证了光谱反射率估计匹配偏度指数能全面的反映光谱反射率的估计精度的设想;并拿17个多光谱估计系统的仿真估计的光谱数据,计算了它们的系统光谱估计偏度指数,计算结果有很好的一致性。结果还显示,系统光谱估计偏度指数还可用作对多光谱相机光谱估计性能进行等级划分的依据。     

基于相似性分类的高光谱主成分融合方法比较

为了提高复杂场景弱小目标高光谱融合图像的质量,提出了基于相似性分类的主成分融合方法。光谱数据像素向量的相似性测度分类产生类矩阵,通过由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据,获得降维数据矩阵。对比了传统PCA与基于欧式距离分类的PCA(ED_PCA)、基于光谱角分类的PCA(SA_PCA)、基于光谱信息散度分类的PCA(SID_PCA)和基于正交投影散度分类的PCA(OPD_PCA)四种改进方法的融合性能。实验结果表明:SA_PCA和SID_PCA方法兼具了ED_PCA和OPD_PCA的优点,对比度提升较好,阈值参数不敏感,运行时间较短。     

基于核映射多光谱特征融合的高光谱遥感图像分类法

多光谱遥感图像的波段设定在理论和实践上都极具地物针对性,在更有效的数据挖掘方法帮助下可以提取足够的光谱特征以区分地物,本文将光谱匹配技术用于相似性度量,以提高分类准确度.首先选定光谱角制图、光谱相关制图、Mahalanobis距离、光谱相似度和光谱信息差异做为光谱度量;随后选择高斯核函数,在选定核函数之后,得到了核映射下的光谱特征度量来挖掘高光谱遥感数据的光谱特征.最后采用核映射多光谱特征融合法对多光谱遥感图像光谱特征的相似性进行描述,得到基于核映射多光谱特征融合的高光谱遥感图像分类算法.使用MATLAB中的LIBSVM工具箱对AVIRIS高光谱遥感数据进行分类实验,并与已有算法进行对比,结果表明本文提出的算法具有较高的分类准确度和性能.     

对称楔形干涉高光谱成像的光谱复原方法

干涉型高光谱成像技术可以探测目标的空间信息以及光谱特性,在生物医学、材料分析、食品安全和文物考古等领域发挥着重要作用。基于对称楔形干涉腔的高光谱成像方法为光谱探测提供了一种新的技术途径,通过分析系统的干涉原理和工作方式,研究其光谱复原方法。提出干涉图像的校正补偿算法,较好地消除了像面暗斑对光谱复原的影响。针对系统整体推扫的工作方式,研究了基于局部相位相关的快速亚像素图像配准算法,能准确提取目标点干涉数据。对系统光谱传递矩阵进行讨论,提出基于矩阵反演的光谱复原方法。研制原理样机,对场景目标进行光谱成像实验,得到了初步的复原结果。     

基于波段调制的HOSVD多光谱人脸识别

通过分析影响多光谱人脸识别的两个重要因子:皮肤的物理特性和传感器的系统响应特性,提出了基于波段调制的高阶奇异值分解多光谱人脸识别算法.该算法考虑到各波段上数据信息的差异性,用加权融合方法对多光谱图像光谱维进行单独处理,保留了光谱维更多的信息量.仿真结果表明,基于波段调制的高阶奇异值分解方法可应用于多光谱人脸识别,与未考虑波段特性的单波段积融合高阶奇异值分解、单波段和融合高阶奇异值分解相比有较高的识别结果.