基于墨量限制样本的打印机光谱特性化模型修正方法

打印机色彩特性化是打印色彩管理技术的关键。打印机特性化模型修正,是指针对因打印介质及墨盒更换等原因而造成的特性化模型精度下降问题,借助特定修正样本实现原始模型精度校正的过程。为进一步提高此类修正方法的建模精度与效率,提出了一种基于墨量限制样本的打印机光谱特性化修正方法,该方法充分利用新介质墨量限制过程所制备的墨量限制样本,在无需额外修正样本的条件下,实现了原始特性化模型的有效修正。研究以三类不同类型打印介质为例,以现有典型特性化模型修正方法为对照,通过实验对本文方法的有效性进行了验证。结果显示,该方法相较现有方法展现出更为优异的修正效果,在无需额外修正样本的条件下,其光谱修正精度可提升15%～20%,色度修正精度可提升10%～20%,实现了修正精度与效率的同步优化。     

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。     

多光谱数据融合和GANs算法的COD浓度预测

水体中过高浓度的有机污染物含量危害巨大,不仅会造成严重的环境污染,而且会危害人类身体健康。化学需氧量(COD)表征了水体中有机污染物的污染程度。提出了一种将紫外(UV)光谱和近红外(NIR)光谱进行多光谱数据级融合(LLDF)和特征级融合(MLDF),进而构建基于生成对抗式网络(GANs)算法的COD浓度定量预测模型。首先按照一定的浓度梯度配制COD标准液样本,分别采集标准液的UV光谱(190～310 nm)和NIR光谱(830～2 100 nm),对获取到的UV和NIR光谱数据进行一阶导数和Savitzky-Golay (S-G)平滑的预处理,消除基线漂移和干扰噪声;基于预处理过的光谱,直接进行数据级和特征级的数据融合,结合GANs算法搭建COD浓度预测模型。并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测偏差来对模型进行评价。结果表明,不论是特征级融合模型还是数据级融合模型都不够理想。分析原因可知,由于UV和NIR波段数据量不均衡,导致NIR波段掩盖掉了UV光谱的模型贡献度,让光谱融合失去意义。为了避免融合失败,拟采用归一化的方法处理多光谱数据,并讨论了标准归一化(SNV)、最大最小归一化(MMN)和矢量归一化(VN)对建模的影响。将经过归一化后的UV和NIR光谱数据再次进行融合,分别作为GANs模型的输入X,将真实测量COD值作为输出值Y,建立不同归一化方法处理后的COD浓度预测模型。建模结果显示,采用不同归一化方法对多光谱数据融合模型的影响较大,不论是数据级融合模型还是特征级融合模型的预测精度较未归一化之前有明显的提升,其中采用最大最小归一化的预测模型效果提升最为明显。与单一谱源的全波长UV波段的GANs预测模型、全波长NIR波段的GANs预测模型进行对比来验证多光谱数据融合GANs预测模型的精度,结果表明：基于UV和NIR光谱的特征级光谱融合模型的R2为0.994 7,RMSEP为0.976,比数据级融合的预测模型误差降低了52.9%,预测回收率为98.4%~103.1%,远好于其他几组,模型的泛化能力更强,预测精度也更高。与单一谱源的预测模型相比,多光谱数据融合能反应更多的水体样品的化学信息,更加全面揭示水体的污染物程度,从不同的层面上反应水体中污染物的差异,为在线监测水体中COD浓度提供一定的技术支持。     

基于吸光度的PET薄膜专色配方预测方法

基于吸光度与物质浓度的相关关系建立了一种PET薄膜印刷的混合油墨组分预测模型。该方法首先依据光的传播理论和光在墨层与承印材料中的多重内反射原理,利用基色和混合专色薄膜印品在黑白两色基底上的反射光谱,建立具有高透低反特性薄膜印品透射光谱的获取方法,并利用透射光谱求解吸收光谱;然后对专色吸光度与基色浓度进行回归分析,确定吸光度与基色浓度线性相关度高的特征波段,再根据郎伯比尔定律,利用特征波长处的专色样本吸光度与基色样本吸光度建立组分预测模型,求解专色样本的配方比例;最后,分析预测配方与预设浓度的偏差,并按照预测配方浓度重新打样,采用色差与光谱均方根误差对计算配方色与目标专色的匹配程度进行分析,验证模型精度。以凹印PET薄膜双基色混合样品为实验对象,对提出的方法进行测试。光谱分析表明,基色样本和专色样本光谱反射率曲线在黑白两种基底上有明显差异,但都随基色油墨浓度变化具有相同的变化规律,专色样本的光谱透射曲线随着基色浓度的变化接近浓度比例大的基色曲线,在400～580 nm区间,专色的吸收光谱随着基色油墨A浓度降低而升高,在580～700 nm区间随着基色油墨A浓度降低而降低。除570～590 nm吸收曲线相交区间以外,在可见光范围内专色油墨吸光度与基色油墨浓度之间的判定系数R2均大于0.95,平均值为0.990 0,两者具有强线性相关关系。分别选取基色A和B波长为520 nm(R2为0.994 2)和700 nm(R2为0.998 5)处的吸光度代入配色模型,并利用最小二乘法求解目标专色的配方比例。实验结果表明,六组预测浓度与预设浓度相比较,配方平均偏差为2.5%,无显著偏差。配方色样本与专色样本色差最大值为1.98,最小值为0.30,平均值为0.85,均满足GMI对专色复制的要求,其中5组专色色差小于1.5,符合专色忠实复制的要求;6组专色的光谱均方根误差最大值为2.93%,最小值为0.49%,平均值为1.40%,基本实现了同色同谱的高精度颜色复制。验证了该方法对于提高专色油墨配色精度和改善PET薄膜印刷质量具有显著效果,可为PET薄膜专色配方预测提供科学方法。     

空间分辨散射光谱多参数信息融合方法的生鲜肉嫩度无损检测

嫩度是猪肉食用品质最重要的指标之一。猪肉嫩度取决于猪肉组织复杂的物理、化学特性,目前难以实现快速无损伤检测。探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱,经过感兴趣区域选择,提取出猪肉样本表面光斑的空间扩散轮廓,结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合,拟合优度R2>0.992,并通过残差分析,表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律,进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数：渐进值a、峰值b、半带宽c以及半带宽处的斜率d。然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力（WBSF）测量值进行偏最小二乘回归（PLSR）分析。结果表明不同参数谱都含有猪肉嫩度信息,其中峰值参数谱b建模效果最佳,其回归模型的校正集决定系数R2_c为0.674,均方根误差SEC为8.396N,预测集决定系数R2_p为0.610,均方根误差SEP为8.643N。为提高模型的预测精度和稳定性,实现多参数谱信息的融合,先通过PLSR分析,分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子,然后将其因子得分组合在一起作为参数谱的特征变量,与猪肉样本WBSF测量值作多元统计回归分析。为避免数据冗余,对不同参数谱特征变量进行多重共线性判别,进一步采用PLSR算法对参数谱特征变量进行降维和变换,采用交叉验证方法,选择前两维因子得分进行校正模型的建立。其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。与单参数谱所建PLSR模型相比,多参数谱信息融合模型预测效果有了较大提高,其R2_c和R2_p分别为0.923和0.800,SEC和SEP分别为4.083N和5.655N。通过对回归系数进行统计量t检验,结果表明所有回归系数极显著（p<0.01）。本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路,该方法有效将空间分辨光谱解析为4个形态学参数,并实现不同参数谱信息的提取和融合,为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。     

按波长分区的LCD颜色特征化模型

为了建立液晶显示器颜色计算模型,分别对EIZO CG19, IBM 19, DELL 19和HP 19 LCD显示器进行了通道独立性和颜色叠加性的检验。通过检验单通道和双通道数字驱动值与颜色三刺激值之间的关系可以验证各通道之间的独立性,从而证明了上述显示器的显示色与三原色光谱辐亮度函数之间存在线性叠加关系。实验中发现三原色光谱辐亮度与数字驱动值的关系是波长的非线性函数,提出了一种按波长分区法计算三原色光谱辐亮度函数的方法,用RGB三原色的测量光谱拟合出各波长辐亮度值与数字驱动值之间的三次多项式关系,利用这个关系可计算得到任意数字驱动值对应的三原色光谱辐亮度曲线,然后可按颜色相加关系由三原色光谱辐亮度曲线计算出任意数字驱动值下的显示色。实验结果表明,只需要测量少量几个数字驱动值下的光谱曲线就可以准确计算出任意数字驱动值下的三原色光谱辐亮度曲线,进而计算得到任意混合色的光谱辐亮度曲线,大大减少了测量样品数量。这种计算方法所需的测量样品数量少、计算准确度高,可以满足工业应用的精度要求,能作为LCD显示器颜色特征化的一种方法。     

中红外光谱的HFC水分含量和粘度测量

针对水-乙二醇抗燃液压液（HFC）目前常用的水分含量和粘度测量方法存在操作复杂,耗时长,测量成本较高等问题,研究了将中红外光谱分析法应用于HFC水分含量和粘度测量。以85个实际在用油样为样本集,采用传统的电量法和毛细管法分别测量水分含量和运动粘度;使用衰减全反射液体池（ATR）采集各样本的中红外光谱并进行光谱校正、背景扣除、Savitzky-Golay(SG)平滑处理和基线校正等预处理。水分含量测量模型构建过程中,利用学生化残差-杠杆值法寻找强影响点,判定为异常样本并加以剔除;利用马氏距离SPXY法划分建模样本集和验证样本集。根据Beer-Lambert定律,水分含量和红外光谱吸光度成正比,采用线性方法来构建水分含量和吸光度红外光谱之间的关系模型。同时为提高模型的鲁棒性和泛化能力需要消除光谱中的无用信息、冗余信息和噪声,因此采用后向间隔偏最小二乘法（BiPLS）进行水分含量测量特征谱区优选,并建立线性校正分析模型。结果表明剩余3 526~3 354,1 790~1 618,3 005~2 660和1 096~924 cm-1波段时获得最小的交叉验证均方根误差（RMSECV）。特征波段优选结果可以理解为,根据3 526~3 354 cm-1波段预测HFC体系中所有OH的量,减去根据3 005~2 660和1 096~924 cm-1波段换算得到的乙二醇中的OH,进而计算得到水分含量,为进一步提高精度,将水中OH变角振动吸收峰对应的1 790~1 618 cm-1波段作为水分含量测量的辅助波段。利用独立验证样本进行模型检验,结果表明所建立的线性模型相关系数（r）为0.989 5,预测均方根误差（RMSEP）为0.405 2,满足HFC中水分含量测量精度需求。粘度测量模型构建过程中,利用马氏距离法寻找离群样本,判定为异常样本并加以剔除,利用马氏距离SPXY法进行建模样本集和验证样本集划分。粘度是一个与多重因素有复杂关系的理化指标,和红外光谱之间表现为非线性关系。基于主成分分析结合BP神经网络法（PCA-BPNN）构建非线性粘度校正分析模型,提取累积贡献率为95.12%的前10个主成分作为输入,测得的粘度值为输出,创建单隐层BP神经网络并进行训练,训练结果相关系数r为0.996 8。利用独立验证样本进行模型检验,结果表明所建立的非线性模型r为0.984 3,RMSEP为0.615 1,满足HFC粘度测量精度需求,且优于采用BiPLS线性模型获得的结果。确定了可用于HFC中水分含量测量的四个中红外波段,可为窄带红外光谱分析法或其他类似研究提供依据。研究结果表明中红外光谱分析法结合BiPLS和PCA-BPNN分析法可分别应用于HFC水分含量和粘度测量,精度符合监测需求,为HFC中分含量和粘度测量提供了一种新的测试方法,相比于传统测量方法具有快速、无损、低成本的特点。     

氯化钠对葡萄糖水溶液近红外光谱的影响

人体内钠盐的含量影响血糖代谢且与糖尿病具有较高的相关性。因此,在进行血糖的近红外光谱无创检测时,不仅要考虑血液中大颗粒及大分子物质对光谱的吸收和散射影响,也应从分子结构层面上分析小分子物质对葡萄糖分子结构及其特征吸收的影响。基于声光可调谐滤波器(AOTF)的高精度近红外光谱采集系统,测量并研究了在水溶液环境下氯化钠(NaCl)对葡萄糖分子结构及其近红外特征吸收的影响。首先,测量含有不同NaCl含量的葡萄糖水溶液透射光谱,分别采用纯水和同浓度 NaCl 样本进行背景修正,实验表明,在水溶液环境中 NaCl会改变水分子和葡萄糖分子特征吸收峰的位置和强度;对不含NaCl和含有NaCl的糖水样本分别扣除纯水和同浓度NaCl样本后进行二维相关光谱分析,同步谱的切线谱显示NaCl减弱了葡萄糖分子在1 400和1 520～1 700 nm处的特征吸收。最后,通过偏最小二乘回归模型定量分析NaCl对葡萄糖预测精度的影响,发现模型的预测均方根误差随NaCl含量的增加而增大,并且含NaCl的样本与不含NaCl的样本对葡萄糖浓度预测值之差的平均值与加入的NaCl含量近似为线性关系。结果表明,在水溶液环境下NaCl分子会改变葡萄糖分子键状态并影响其特征吸收,从而降低模型的预测精度。若将NaCl含量作为变量因子,有助于提升血糖的近红外光谱无创检测精度。     

基于近红外光谱技术的紫外光老化落叶松木材表面材色变化的定性和定量研究

自然光中的紫外光在木材表面产生复杂的光化学反应,是木材在自然环境中老化降解速度最快,反应最强的化学过程。基于近红外光谱(NIRs)技术探讨了落叶松表面材色在340 nm波长紫外光照射条件下的老化状况。不同时间(180,540,900,1 080 h)试材弦切面经紫外光人工老化后,测量木材表面材色色度学指数,并采集NIRs信息。由NIRs二阶导数及其差谱图反映的信息,定性分析和讨论了木材表面化学组分基团的变化;定量建立基于偏最小二乘法(PLS)结合留一交叉验证的木材表面材色预测模型。结果表明：(1) 随着人工老化时间延长,木材表面明度值L*降低,红绿指数a*与黄蓝指数b*出现先增加后缓慢降低的趋势,表明发色基团的形成随着紫外光照射时间的延长而减少,在辐射时间540 h达到最大值,此外,色差值ΔE*与紫外光照射时间成正相关。(2) NIRs二阶导数在6 996,6 773以及6 287 cm-1等分别反映木材中纤维素非结晶区、半结晶区和结晶区的光谱吸光度随着老化时间的延长而增加,而5 986 cm-1反映木质素特征性谱带吸收峰随着紫外光老化时间的延长而降低,表明木质素出现降解。通过紫外光照射1 080 h与对照材的差谱分析发现,纤维素和半纤维素基团的特征峰差谱值为正,表明紫外光辐射后木材表面的纤维素和半纤维素相对含量增加,而木质素基团特征峰差谱值为负,表明经紫外光辐射后,木质素的降解导致其相对含量减少。这些结果与色度值测量结果相一致。(3) 基于NIRs建立的紫外光照射落叶松表面材色预测模型中,L*交叉验证模型决定系数(R2)为0.949,相对分析误差(RPD)为4.42;a*交叉验证模型R2是0.928,RPD是3.73;b*的交叉验证模型R2是0.831,RPD为2.43,建立的材色预测模型满足预测要求。     

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。     

基于密度的凹版专色梯尺光谱预测模型的研究

基于密度与光谱反射率的关系建立了一种凹版专色梯尺的光谱反射率预测模型。该方法首先依据密度的定义建立实地光谱反射率与其密度的关系,并基于实地光谱反射率建立阶调光谱反射率的计算方法;然后根据密度的叠加原理,假设阶调密度与实地密度比例关系成立建立阶调密度、实地密度和承印物密度的关系;最后结合计算阶调光谱反射率的方法建立凹版专色梯尺光谱反射率预测模型;调配30种专色油墨通过凹印实打样,对预测模型通过决定系数R²和色差进行验证。实验结果表明,不同专色在同一网点面积率下实际阶调密度与实际实地密度的比例系数相同,两者的决定系数R²均大于0.98。在此关系基础上所建立的预测模型在不同网点面积率下都具有较高的决定系数,其均方根误差都小于0.01,最大色差为2.667 NBS。最后另外调配10种专色油墨在相同工艺条件下实打样样张,利用实际阶调密度与实际实地密度的比例系数,通过色差公式进而验证该模型预测专色油墨梯尺光谱反射率的精度。色差结果表明,82.12%的色差小于2.5 NBS,大部分色差在0.5～2 NBS之间,占据了总频率的58.32%,平均色差为1.58...     

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。     

双波段光谱融合的猪肉多品质参数同时检测方法研究

在双波段可见/近红外光谱系统(350~1 100和1 000~2 500 nm)中,由于两台仪器性能有所不同,导致在波段重叠区域对同一样品测得的反射率不同,出现数据交叉现象。针对此问题,提出一种波段连接数据融合的方法,以期对两个波段的光谱进行更好的应用。首先采集60个生鲜猪肉样品表面的反射光谱信息,利用Savitzky-Golay(S-G)平滑和标准正态变量变换进行预处理,然后利用单一波段和双波段光谱数据与猪肉品质参数(颜色参数L*, a*, b*,pH和蒸煮损失率)理化值建立偏最小二乘预测模型,并分析比较。利用提出的波段融合方法对两个波段重叠区域出现的交叉进行处理,处理后的双波段光谱融合数据对参数L*, a*, b*, pH以及蒸煮损失率建模,验证集的相关系数分别为0.948 8,0.920 0,0.950 5,0.930 1和0.903 5,模型效果与未融合前相当甚至更优。采用无信息变量消除法方法进行特征变量筛选,利用优选后的特征变量建立了更为简化的模型。实验结果表明,所提出的波段融合方法能够对两个波段光谱数据实现较好的融合,利用融合后的光谱数据有利于建立更简化、性能更佳的预测模型。     

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。     

基于光谱色域最大化的喷墨打印墨量限制方法研究

为了在解决墨量超限问题的同时实现喷墨打印设备色彩再现色域的最大化,提出了一种基于多维非线性插值的墨量限制方法。以四类不同介质的墨水组合为研究对象,以特殊设计的墨量评判样本墨层铺展情况为判断依据,确定最大色域样本集,并利用分光光度计测量获取各样本在380～730 nm波段的光谱反射率信息。通过主成分分析法对光谱数据进行降维处理,结合凸包算法,实现设备最大色域的数学建模表达及可视化分析。实验结果表明,本文提出的墨量限制算法,在解决喷墨打印墨量超限问题的同时,其光谱、 色度及设备色空间的最大色域覆盖率皆大于95%,说明此方法在高保真色彩复制的墨量限制环节具有较为理想的表现。     

可见光-近红外、中红外光谱的土壤有机质组分反演

土壤有机质是土壤肥力的物质基础,其含量的高低是评价土壤肥力的重要标志。土壤有机质组分根据其溶解性可分为胡敏素(HM)、胡敏酸(HA)、富里酸(FA),不同组分的肥力特性差异显著,因此,土壤有机质组分数据可更加全面、客观的反映土壤肥力状况。传统土壤土壤有机质及组分的测定工序繁杂,效率低下且时效性差,大量研究表明高光谱技术能有效提高土壤属性的检测效率并降低测试成本,但关于可见光-近红外、中红外光谱检测土壤有机质组分的报道鲜见。为了探索中红外光谱及可见光-近红外-中红外组合光谱对土壤有机质组分检测的可行性,并对比有机质单一光谱模型与有机质不同组分的组合光谱模型的预测精度,以南疆地区农田土壤为例,在阿克苏及和田地区共采集93个土样,进行有机质、胡敏素、胡敏酸、富里酸含量及光谱数据的测定。其次,利用可见-近红外(VNIR)、中红外(MIR)及其组合光谱(VNIR-MIR)三种光谱数据集,采用偏最小二乘(PLSR)、支持向量机(SVM)、随机森林(RF)三种建模方式对土壤有机质、胡敏素、胡敏酸、富里酸含量进行组合模型分析预测。结果表明：(1)土壤有机质及各组分均与光谱反射率有较好的相关性,土壤有机质及组分在MIR谱段的特征波段数量明显多于VNIR谱段。(2)有机质最优预测模型的模式为VNIR-MIR-RF,该模型的决定系数R2为0.90;胡敏素与胡敏酸最优预测模型的模式均为VNIR-RF模型,R2均为0.92;富里酸最优预测模型的模式为MIR-RF模型,R2为0.94。(3) 基于胡敏素、胡敏酸和富里酸的有机质组合光谱模型的预测精度明显高于有机质单一光谱模型,两种模型的R2分别为0.93和0.90。实现了土壤有机质组分的高效快速反演,且基于有机质组分的组合模型提高了土壤有机质预测精度,为南疆地区大尺度土壤肥力的鉴定与精准施肥提供重要的参考价值。     

基于高光谱的颜色辨别方法研究

在颜色测量领域区分相似颜色的样品是非常困难的。测量颜色的准确性和高效性对于工业上的应用非常重要。提出了一种基于超光谱成像技术的色彩测量的方法,并设计制成原理样机系统。该系统能够快速准确的测量彩色样品的光谱,并在分析后可得丰富的颜色数据与颜色坐标。该方法克服了传统测色方法“测谱不成像,成像不测谱”的局限性。为了评估系统的性能,进行分析和实验：比较细分的每个波段的信噪比,并使用光谱匹配技术来比较彩色照相机和所设计的系统在颜色测量方面的优缺点。结果表明,本系统提供了一种更精确的颜色测量方法,可以有效地测试产品颜色的质量。     

基于非负矩阵分解的印刷品原稿原色油墨光谱预测方法

实现半色调印刷品原稿的光谱复制技术其前提要确定原稿所用油墨数目及油墨成份，但目前应用于印刷品原稿原色油墨光谱预测的算法还有待研究，且已有的基色色料光谱预测方法存在诸多弊端。针对这一问题在非负矩阵分解算法基础上结合印刷品原稿光学特性，创新的提出了一种基于约束条件非负矩阵分解的油墨光谱预测算法ISPNMF，和对黑色油墨光谱预测结果优化的算法。ISPNMF算法克服了基本非负矩阵分解有多重最优解和局部极小值的缺陷，实现了预测算法唯一的全局最优解。黑色油墨预测光谱优化的算法克服了彩色油墨对光线混合吸收给黑色油墨预测带来的干扰，能优化得到逼近于实际黑色油墨光谱的预测值。使用Konica Minolta C1085和HP indigo5600两台四色数码印刷机及其自身配备的墨粉和墨膏来摸拟不同品牌的油墨，在230 g白卡纸上打印 IT8.7/3色标，并使用X-rite i1 Pro2获取两样张的光谱反射率作为实验数据样本，来探究并验证算法的准确性和实用性。实验结果表明，在印刷品原稿线性经验空间中能准确预测原稿所用原色油墨数目和油墨光谱，且彩色油墨预测光谱与实际使用的油墨光谱相比其拟合度均高达99.9%，光谱角距离均小于0.045，黑色油墨的预测光谱经优化后与实际油墨光谱拟合度也高达99.9%。这说明该算法不仅能实现对印刷品原稿原色油墨的准确预测，而且可以精确匹配实际使用的原色油墨，对实现印刷品原稿的光谱复制技术有重要意义。