彩色扫描仪的光谱反射率估计方法

为从扫描仪获取精确的、设备无关的颜色描述,必须对扫描仪进行颜色表征(Characterization)。考虑到实际扫描仪的成像过程往往偏离线性反射模型,并且训练样本在颜色空间中的不同分布对颜色估计的精度有较大影响,提出了一种基于有限样本加权训练的彩色扫描仪光谱表征方法,从而可以从低维的RGB颜色值计算得到精确的光谱反射率。 实验结果表明,该方法在色度及反射率精度方面均明显优于先前的方法。     

一种基于光谱可调LED光源和多光谱成像技术的物体表面颜色测量方法

针对传统多光谱成像颜色测量系统光谱反射率重建算法计算量大、操作繁琐耗时、成本高等缺点,提出一种由LED主动照明光源和黑白高速相机构建的多光谱成像颜色测量系统。采用多个单色LED拟合出相对光谱功率分布与相机光谱灵敏度曲线成倒数关系的照明光源,并利用黑白相机的输出响应直接重建物体的光谱反射率。实验结果表明,与分光光度计测量结果相比,该方法测量Macbeth ColorChecker 24标准色卡的光谱反射率的平均误差在2.3个CIELAB色差左右。该系统具有原理简单可行、不需要滤光片、光谱反射率重建算法简单快速等优点。     

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。     

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。     

基于液晶可调变滤色器的光谱图像获取及颜色重建方法

基于液晶可调变滤色器(LCTF)的光谱成像系统具有光谱分辨率高、结构紧凑、控制灵活等特点。搭建了一套可见光波段的高分辨率LCTF光谱成像系统,对系统的光谱图像获取及彩色图像重建方法进行了研究;建立了系统的光谱及颜色重建模型;基于标准色卡及标准测色系统,对该系统的颜色复现效果进行了实验验证;实验结果表明,该LCTF光谱成像系统的彩色图像颜色复现精度达可到较小色差水平。     

基于多光谱成像的光谱反射率重建

一些对颜色重现要求较高的应用领域需要获取目标表面上各点的光谱反射率。大多数天然物质表面的光谱反射率曲线比较平滑,可视为几个基向量的线性组合。基于这一原理的多光谱成像技术可以准确快速地重建目标表面的光谱反射率。通过对NCS色卡进行主成分分析,得出了彩色印刷品光谱反射率的基向量。建立了一个多光谱成像系统,用以比较基向量个数不同对反射率重建效果的影响。     

基于遗传算法选择多光源下的光谱反射率重构研究

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。     

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。     

基于改进的主成分分析法宽带光谱反射率重建

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。     

基于比较测量法的LCTF光谱相机光谱反射率重建研究

基于液晶调谐滤光片(LCTF)的光谱相机由于体积小、功耗低、集成方便,适合多种搭载平台,同时通过光谱反射率来识别目标物,可以有效解决同色异谱的问题,在伪装识别、精细农产品产值估计等方面有很好的应用前景。比较测量法因其能有效排除光照条件和场景背景条件的影响,重建效率较高,在光谱相机的光谱反射率重建中被普遍采用。比较测量法通常采用标准白板作为参考物,但实际应用中,经常会遇到目标场景空间位置不便放置标准白板的情况。针对这种情况,研究采用LCTF光谱相机采集的目标场景中亮度高的颜色作为参考的比较测量法进行目标物的光谱反射率重建来解决上述问题。实验以美国X-Rite的Gretg Macbeth Color Checker(MCC)色卡作为目标物,分别参考亮度高的五个不同色块,运用比较测量法完成红、绿、蓝三个色块的光谱反射率重建。将重建后三个色块的光谱反射率与采用台式分光光度计(X-Rite Color Eye7000A)测量的标准光谱反射比进行比较。结果显示,重建后的红、绿、蓝三个色块的光谱反射率曲线与用分光光度计测量的标准光谱反射率曲线的形状基本相似,每组曲线的均方根误差均小于0.05;重建的蓝色色块的光谱反射率以参考与其光谱反射比接近的蓝绿色重建的效果最好;重建的红色和绿色色块的光谱反射率以除白色外亮度最高的黄色为参考重建的效果最好;二者均比参考标准白板的反射率重建效果好。实验结果说明采用目标场景中亮度高目视效果明显的色块作为参考对象可被用来进行LCTF光谱相机的光谱反射率重建。该方法有效扩大了比较测量法以及液晶调谐光谱成像系统的应用效率。     

Estimation of spectral reflectance of object surfaces with the consideration of perceptual color space

Due to the nonlinear transform from spectral reflectance to CIELAB values, the solution obtained by minimizing reflectance error in traditional spectral characterization methods will not be optimal when evaluated by colorimetric error. We propose a reflectance estimation method with consideration of perceptual color space. It combines two approaches, i.e., colorimetric-based spectral calculation and weighted spectral calculation. The experimental results show that the proposed method performs better than previous methods in terms of color difference with very slight degradation in spectral accuracy.     

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.     

基于主成分分析的光谱重建训练样本选择方法研究

训练样本构成是影响光谱重建精度的一个重要因素,针对学习型光谱重建算法中训练样本选择问题,提出了一种基于主成分分析的训练样本选择方法。为了保证训练样本与重建样本的相似度,首先根据欧式距离最小原则从待选样本集中选择与重建样本相机响应值相似的样本,并去掉其中的重复样本;然后进行主成分分析;设定阈值筛选各主成分系数较大的样本作为训练样本,最后得到与主成分个数相同的训练样本子集。为验证该方法的有效性,通过在镜头前加载宽带滤色片搭建多通道图像获取系统采集多通道图像信息,将得到的各样本子集用作训练样本,利用伪逆法重建光谱信息,最后将重建的光谱精度与常用的训练样本及训练样本选择方法得到的重建光谱精度进行比较。实验结果表明：提出的方法显著提高了光谱重建的色度精度和光谱精度,优于常用的样本选择方法,能较大程度满足高精度颜色复制要求。     

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.     

基于人眼视觉和残差补偿的光谱降维模型的研究

传统主成分(PCA)光谱降维方法利用数学的方法,保证降维后的重构光谱与原光谱在形状上尽可能相似, 但是传统PCA降维过程中无差别的对待每一个波段的光谱数据,而人眼视觉对不同波段的光谱敏感程度不同,会造成有时候虽然光谱误差较小,但是人眼看上去色差较大的情况。在保证光谱误差的同时,为了能够有效的减少源光谱与重构光谱的色度误差,提出了两种基于人眼视觉的加权函数对传统PCA降维方法进行优化,并利用残差光谱对模型进行补偿。实验过程以Munsell色卡作为训练样本,Munsell色卡和多光谱图像“young girl”作为测试样本,然后利用本文提出的加权函数进行PCA降维并重构,并与相关文献提出的方法进行了对比。实验结果表明, 提出的两种加权算法,与其他算法相比,无论是色度精度还是在变光源的稳定性方面,都有显著地提高。     

局部k最近邻加权线性回归的光谱反射率重建

现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。     

基于LabPQR降维的多色打印机光谱特征化模型研究

研究多色打印机的光谱特征化,提出了一种基于降维的光谱特征化模型,保证了多色打印机颜色转换的精度,同时也提高了特征化的运行效率。该模型结合颜色分区理论和LabPQR非线性降维方法,首先将高维光谱数据降低至LabPQR六维空间中,然后通过胞元搜索算法查找目标颜色所属的胞元空间,最后利用反向四面体插值算法对目标的LabPQR值进行计算,得到打印机最终的通道信号输出值。检测颜色样本的实验数据表明,正向模型和反向模型的平均色差达到0.714和1.016 NBS,模型的运行时间为2.03和9.05 s。新算法能够实现多色打印机光谱数据与通道信号值间的准确转换。