基于视觉感知的光谱评估尺度（英文）

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。简单而直观的评价指标对颜色复现控制是必不可少。该指标需要同时表征复现颜色的光谱差和色度差。在研究光谱匹配评估的方法基础上,提出基于颜色视觉感知的三种光谱评估指标,通过加权人眼视觉匹配函数,实现颜色光谱差与色度的评估。通过孟塞尔颜色系统的光谱数据,该论文分析与验证三种视觉加权的评估指标的有效性。通过孟塞尔颜色系统数据,这些指标在CIELab均匀色空间中分布均匀而稳定,从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。实证结果表明,加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。     

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。     

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。     

孟塞尔色序系统与CIE1931标准色度系统转换新算法

孟塞尔色序系统到CIE标准色度系统的自动转换在颜色和视觉领域是一个很重要的课题.提出了一种基于等色调线和等彩度线插值的新算法,实现孟塞尔色序系统与CIE1931标准色度系统之间颜色的相互转换.实验测试表明,由孟塞尔系统到CIE色度系统的正向转换准确度为ΔY=0.004,Δx=0.000 13,Δy=0.000 13,由CIE色度系统到孟塞尔系统的反向转换准确度达到了ΔV ≈0,ΔH=0.017 5,ΔC=0.013.     

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...     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用,为提高压缩效率,进一步存储传输,提出了WF系列编码方法,设计了APWS_RA算法,进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理,提出了色感应失真准则和视觉特性矩阵W;同时,优化了APWS编码算法的码率分配,形成APWS_RA编码算法;最后,结合以上技术,以色度误差准则指导编码,对视觉加权后的多光谱图像数据进行aPWS_rA编码,命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W,利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余,小波变换去除其空间冗余,最后结合误差补偿机制和码率分配策略进行小波编码。实验表明,在相同比特率下,较现有低复杂度经典编码算法,WF系列编码方法能更有效地保留光谱中的色度信息,APWS_RA算法的重建光谱误差最小,WF_APWS_RA算法的重建色度精度优势明显。     

色彩再现的多光谱图像压缩

针对多光谱图像在色度高保真再现等领域的应用, 为提高压缩效率, 进一步存储传输, 提出了WF系列编码方法, 设计了APWS_RA算法, 进而提出了一种低复杂度、光照稳定性好且支持跨设备再现的WF_APWS_RA压缩算法。首先研究了现有的基于光谱均方误差的小波嵌入编码原理, 提出了色感应失真准则和视觉特性矩阵W;同时, 优化了APWS编码算法的码率分配, 形成APWS_RA编码算法;最后, 结合以上技术, 以色度误差准则指导编码, 对视觉加权后的多光谱图像数据进行aPWS_rA编码, 命名为WF_APWS_RA。WF_APWS_RA算法融合人眼视觉特性矩阵W, 利用吸引力传播(Affinity Propagation)聚类挖掘加权图像的谱间冗余, 小波变换去除其空间冗余, 最后结合误差补偿机制和码率分配策略进行小波编码。实验表明, 在相同比特率下, 较现有低复杂度经典编码算法, WF系列编码方法能更有效地保留光谱中的色度信息, APWS_RA算法的重建光谱误差最小, WF_APWS_RA算法的重建色度精度优势明显。     

加权视觉特性的PCA空间内光谱域映射模型

针对跨媒体光谱颜色复制过程中出现的设备光谱域不一致问题,在加权人眼视觉特性的主成分分析(PCA)光谱降维空间内构建了一种光谱域映射模型。利用标准色度观察者匹配函数构造权重系数,对高维光谱进行加权,采用PCA提取加权光谱的前三个主元,以构造低维加权PCA空间,在加权PCA空间内引入分区最大化色域边界描述算法描述设备光谱域,对超设备光谱域的颜色光谱进行裁切以映射到设备光谱域内。实验证明,新模型相比于常用的PCA空间内的光谱域映射模型而言,更能达到视觉感受的匹配,可以更为有效地解决设备光谱域不一致的问题。     

符合人眼视觉特性的颜色亮度模型

从色度学基本理论出发,对颜色变量Ｙ进行了深分析,提出了由孟塞尔（Ｍｕｎｓｅｌｌ）颜色体系进行颜色视亮度主观匹配的新方法。实验和理论分析指出孟塞尔色立体的等明度面并非在视觉上是等明度的,建立了人眼主观亮度与孟 明度值Ｉ之间满足线性关系的色亮度模型。     

基于人眼视觉特性的光谱降维模型研究

针对传统光谱降维方法其降维重构后的光谱数据仅是对原始光谱的数学逼近,会出现光谱误差较小但颜色色差较大的缺点,创新性的提出三种将人眼视觉特性与光谱降维相结合的方法。其中,VPCA法直接将光谱光视效率函数加权到原始光谱上再进行降维,LMSPCA方法用LMS视稚响应构建加权矩阵对原始光谱加权后再进行降维,在LMSPCA法中加权矩阵的构建有两种方式,其主要区别在于视稚响应偏差的求取方式不同。方式一中,L,M,S视稚响应偏差是各对应波长上的偏差取绝对值,而方式二中,其偏差是各对应波长上的偏差平方。LMSPCAs法在LMSPCA法基础上再采用PCA(主成分分析)方法对损失的光谱进行降维。实验结果表明VPCA法降维效果较差,LMSPCA法的两种加权矩阵降维效果接近,皆可显著提高降维模型的色度精度,但会降低模型的光谱精度,LMSPCAs法由于针对LMSPCA法因光谱加权引起的光谱损失再进行光谱补偿,其在光谱精度、色度精度以及变光照条件下的色差稳定性这三个方面都能较好地表征原始高维光谱反射率,满足光谱颜色复制的要求。     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

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。     

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。     

Spectral data compression using weighted principal component analysis with consideration of human visual system and light sources

This paper proposed two weight functions based on principal component analysis (PCA) to reserve more colorimetric information in spectral data compression process. One weight function consisted of the CIE XYZ color-matching functions representing the characteristic of the human visual system, while another was made up of the CIE XYZ color-matching functions of human visual system and relative spectral power distribution of the CIE standard illuminant D65. The improvement obtained from the proposed two methods were tested to compress and reconstruct the reflectance spectra of 1600 glossy Munsell color chips and 1950 Natural Color System color chips as well as six multispectral images. The performance was evaluated by the mean values of color difference under the CIE 1931 standard colorimetric observer and the CIE standard illuminant D65 and A. The mean values of root mean square errors between the original and reconstructed spectra were also calculated. The experimental results show that the proposed two methods significantly outperform the standard PCA and another two weighted PCA in the aspects of colorimetric reconstruction accuracy with very slight degradation in spectral reconstruction accuracy. In addition, weight functions with the CIE standard illuminant D65 can improve the colorimetric reconstruction accuracy compared to weight functions without the CIE standard illuminant D65.     

基于同色异谱黑理论的非线性复合模型光谱重建研究

同色异谱现象是光谱反射率重建与颜色再现中的一个重要问题。采用三基色CCD相机采集CIE标准光源D65下的颜色样品信号,建立非线性复合模型,使用主成分分析结合神经网络的方法(PCA-NET)改进基于同色异谱黑理论的R矩阵算法,对标准Munsell色卡光谱重建进行研究。在保证给定照明条件下的色度精度同时,对光谱重建的结果进行了实验评价和讨论。实验结果表明,在给定的照明条件下,PCA-NET算法能够准确的拟合相机输出信号与主成分系数之间的非线性关系, 将其代替线性算法应用于R矩阵算法中时,测试集的平均均方根值是未改进R矩阵算法的0.76,平均标准差是R矩阵算法的0.85,可有效提高光谱反射率的重建精度。改进后的R矩阵算法具有精度较高、操作简单易实现的特点, 可用于对重建色度精度及光谱精度均要求较高的领域。     

Color reproduction from desktop display to projector based on visual matching

We present a novel method of color reproduction from desktop displays to projectors via visual assessment. The model is based on visual matching nine color patches between a display and a projector. The effects of the method to improve color reproduction are tested for 30 samples by visual and color difference evaluations. The expeirmental results of visual evaluation show that the color reproduction is improved by 87.5%. The maximum, minimum, and average color differences between the displayed colors and the projected ones before and after correction are 28.94, 4.35, 16.78, 16.51, 0.64, and 3.51 △Eab^＊ units respectively, which are consistent with the results of visual evaluation.     

基于BP神经网络的数码相机特性化

由于数码相机的颜色空间是依赖于设备的,对于一个具体的数码相机,其光谱响应与设备独立的CIE标准观察者颜色匹配函数是一个非线性关系,因此不能真实复制场景的颜色。特性化彩色图像设备是提高图像的颜色复制质量的一个重要方法。介绍一种基于BP神经网络数码相机特性化方法。采用Munsell颜色系统作为目标色,大样本训练空间。测试了不同的网络结构和样本空间分布。训练样本平均色差为1.75CMC(1∶1)色差单位,测试样本为2.16。该方法在数码相机颜色测量、光谱重建等领域有广泛的应用前景。