基于一维查找表的LCD特性化方法的研究

针对LCD显示器的颜色还原问题,根据一维查找表(1-Dimension Look-up Table,1D-LUT)方法,建立显示器设备颜色空间(RGB空间)与标准颜色空间(CIE XYZ空间)之间的颜色特性转换模型,采用CIE LAB色差评价方法,得到平均色差为1.56。并与GOG(Gain-Offset-Gamma)模型特性化结果对比分析,经GOG模型特性化后得到的平均色差为8.87。分析对比1D-LUT与GOG模型对LCD显示器特性化的适用性,为设备颜色的精确复现提供必要的依据。结果表明,1D-LUT相对于GOG模型特性化精度高,具有较好的颜色复现能力,适用于LCD显示器的特性化,而GOG模型不适用于LCD的特性化。     

基于一维查找表的LCD特性化方法的研究

针对LCD显示器的颜色还原问题,根据一维查找表(1-Dimension Look-up Table,1D-LUT)方法,建立显示器设备颜色空间(RGB空间)与标准颜色空间(CIE XYZ空间)之间的颜色特性转换模型,采用CIE LAB色差评价方法,得到平均色差为1.56。并与GOG(Gain-Offset-Gamma)模型特性化结果对比分析,经GOG模型特性化后得到的平均色差为8.87。分析对比1D-LUT与GOG模型对LCD显示器特性化的适用性,为设备颜色的精确复现提供必要的依据。结果表明,1D-LUT相对于GOG模型特性化精度高,具有较好的颜色复现能力,适用于LCD显示器的特性化,而GOG模型不适用于LCD的特性化。     

天然植物花卉的反射光谱在显示器中的颜色复制特征

基于sRGB颜色空间作为显示器的色彩显示的重要颜色空间,首次对天然植物花卉反射光谱在sRGB颜色空间的复制特征进行了研究。针对天然植物花卉颜色由CIE1931XYZ向sRGB颜色空间转换过程中在sRGB空间中的“剪切”现象,分析了九种典型光源下218种天然植物花卉的反射光谱在sRGB颜色空间的颜色复制误差。考虑到D65光源的特殊性,对D65下的复制做了重点研究。研究结果表明,天然植物花卉颜色由CIE1931颜色空间向sRGB颜色空间转换时,“剪切现象”是造成空间转换误差的主要原因,存在剪切现象时,如果颜色分量剪切程度较小,同样可以不会带来大的色差,仍可能得到较好的颜色复制效果;D65光源下,218个天然植物花卉光谱中有8个“橙黄色”光谱的颜色在sRGB颜色空间中存在“剪切现象”,占总光谱数目的3.7%;D65下天然植物花卉颜色在sRGB中颜色复制效果最好,而在A光源下最差。     

基于独立成分分析法ICA的多光谱重建

构造了一个6通道,8-bit多光谱相机(MSC)模型作为图像采集装置(包括一个三色数码相机和一个滤光片),在多光谱成像技术基础上,通过模拟相机的数码响应,对物体表面的反射光谱进行重建。由数码相机的响应值得到物体的光谱反射比。使用独立成分分析法来进行数据压缩,光谱重建结果分别用CIE1976色差,光谱反射比RMS误差和反射比相对误差进行评价。20例训练样本的平均CIE1976色差为0.1579,平均反射比均方差为0.0099,平均反射比相对误差为0.0107;12例待测样品的平均CIE1976色差为0.7150,平均反射比均方差为0.0309,平均反射比相对误差为0.0312。结果说明,基于独立成分分析法的光谱重建是一种有效的光谱重建方法。     

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。     

基于色貌的跨媒体颜色复制

介绍了一种基于视觉匹配的跨媒体颜色复制方法。通过视觉匹配将一个环境下的一些色貌因素"映射"到另一个环境,是一种基于色貌的CRT特性化方法。该方法复制的22个Munsell色卡的平均视觉评价为6分制的5.17分。其中,红色调的复制色块视觉评价较好,蓝色调或蓝色占有较大比例的复制色块误差较大。sRGB作为目前流行的用于颜色通讯的标准色空间,在实验中也进行了比较。实验证明这种基于视觉匹配的特性化方法,已经包含了一些色貌因素,可以满足一般的应用要求,有着广泛的应用前景。     

GA-BP神经网络结合PCA的多基色颜色预测模型

颜色分区法是简化多基色颜色复制的主要方法,本研究以3基色为组将7基色色空间分成6个子空间,结合主成分分析(PCA)对分区内颜色样本的光谱反射率降维,通过3层BP神经网络,建立样本网点面积率与多基色复制色光谱反射率的转换模型,并通过遗传算法(GA)对神经网络权值阈值进行优化,提高多基色复制的颜色预测精度.实验结果表明,在各分区训练样本数为64、检测样本数为216时,GA-BP神经网络模型颜色预测的平均色差(△Eab*)为1.669,光谱均方根误差(RMSE)为0.7％,预测精度和稳定性均高于BP神经网络模型和胞元Neugebauer模型.最后,将训练样本数为64的GA-BP模型与训练样本数量为125,216,343的BP神经网络模型(平均△Eab*分别为3.267,2.776,2.175,光谱RMSE为0.97％,0.79％,0.76％)进行了比较,结果表明训练样本数为64的GA-BP模型的预测精度与训练样本数量为343的BP神经网络模型相当.GA-BP模型仅需少量样本即可实现高精度的颜色预测,在应用中具有良好的可移植性.     

双目色调消除现象的实验研究

立体显示、虚拟现实及头戴设备的应用研究需要对人眼视觉双目特性做更深入的研究。阈值测量是研究视觉感知特性的方法之一，人的左右眼分别观看不同的颜色，且双眼观看的颜色色差不超过双目颜色融合的阈值时，可能会感知到灰色，也就是发生了双目色调消除现象。为了研究这种特殊现象，本文设计了视觉心理物理学实验，在CIELAB颜色空间中研究双目融合范围内能够感知到灰色现象的对立颜色方向和色差阈值，并将实验结果分别在LMS、MacleodBoynton、DKL等颜色空间中表示，为进一步研究人眼特性及双目颜色机理提供实验数据。     

基于孟塞尔系统的阴极射线管特性化新方法

提出了一种新的阴极射线管特性化的方法。该方法的特点是采用“视觉匹配”方法,在反射体表面色和白发光体之间映射一些色貌因素,但没有使用任何复杂的色貌模型。是一种考虑了一些色貌因素的阴极射线管特性化方法。由于该问题的个性因素较多,采用BP神经网络实现色空间的非线性映射。实验结果表明,只要阴极射线管被标定,在办公室环境下,该方法可以改进在不同的阴极射线管上重现的颜色。采用3-7-7-3简单的网络结构;分色相样本训练。训练样本平均色差可以达到3．07L^*u^*v^*色差单位,测试样本平均色差可以达到4．55L^*u^*v^*色差单位,小于阴极射线管的最大可接受色差,结果是令人满意的。这在电子商务和办公自动化方面有广泛的用途。     

小范围内精确控制CRT显示颜色和色差的研究

目前CRT显示器颜色特性化的最高精度大约是0.5ΔEab。一些在CRT上进行颜色和图像视觉评价的实验要求在颜色中心小范围内能更精确地控制显示颜色和色差。实验中采用了线性插值特性化方法,并提出了一种小范围三通道相互影响的颜色控制方法。实验结果表明:该方法对L,a,b控制的精度分别是0.14,0.082,0.103;对三种色差CIELAB,CIE94和CIEDE2000的控制精度分别是0.18,0.18,0.22。     

基于多项式模型法的低端数码相机的颜色特性化

近年来随着数字技术,以及彩色数字图像输入输出设备的不断发展和广泛使用,颜色在不同的设备之间精确的传递或再现成为该领域的重要课题。本论文以彩色数码相机特性化为研究内容,采用多项式转换方法,研究了多项式回归模型不同系数矩阵、不同训练样本对数码相机特性化精度的影响,得出了系数矩阵为11×3多项式模型时误差较小(2.874ΔE*ab)的结论,达到了实用水平。     

一种色度自适应投影标记点的选取方法

近年来,对物体的颜色显现力、光源光谱功率分布和自身表面反射光谱三者的定量关系方面的研究备受大家关注。在三维扫描测量领域,由于颜色特征具有反映物体材料和纹理等丰富信息的优势,提出了一种主要由彩色相机、投点光源和PC机组成的色度自适应投点仪结构,其中数字微镜(DMD)作为投点光源的核心元件用于调制R,G,B 三个LED光源的光谱功率分布。然而主动式标记点的颜色显现力因受未知反射光谱投影接受面的影响,其颜色特征往往难以识别和区分。为了提高投影标记点与不同反射光谱的投影接收面作为背景的分辨力,描述了一种色度自适应投影标记点的选取方法。在高维线性反射光谱建模的基础上,用光谱响应的方法对彩色投点仪设备特征化,以解决三通道彩色相机设备特征化精度低的问题。并通过样本训练为高维线性反射光谱的求解提供条件约束。继而,在CIE1931色度坐标空间下,选取与投影接收面背景色度坐标欧氏矩最大的色度坐标点。根据投点仪设备特征化结果,推导其LED最优设定值。最后,采用24孟塞尔色卡作为被投影对象,主动标记点与色块的色差作为其颜色显现力的评价参数,通过与激光二极管投点仪做对比性实验。实验结果表明对各不同色度的投点接受面,提出的色度自适应投影标记点的选取方法均有较好表现。     

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。     

彩色视觉装置的颜色校正对比实验研究

鉴于利用彩色视觉装置进行在线测量是颜色测量在工业应用发展的趋势,而光源的光谱分布和相机响应函数与人眼的光谱响应曲线的不一致会严重影响测量的精确性,在人工D65光源和LED阵列光源照明下,利用相同的工业相机获取校正图片,采用多项式回归方法在与设备无关空间sRGB和CIEL*a*b*空间进行校正。实验结果显示在校正前平均色差分别为27.68E和16.09E,人工D65光源照明下获取的图片色差较小,校正后不同光源下获取图片的色度趋于一致,分别为2.56E和2.39E。采用sRGB颜色空间,在校正精度、校正步骤、图片显示等方面都要优于CIEL*a*b*空间。以一幅拍摄的实际图片校正为例,显示了色度校正对彩色装置的重要性。     

基于光源相对光谱功率分布的颜色真值获取方法

嫦娥三号全景相机具有彩色成像模式,在发射前需先进行彩色定标,样本真值的获取是彩色定标的前提。传统方法获取的颜色真值在色差值和视觉感知上都与实际值存在明显的偏差。若直接采用该颜色值作为真值进行彩色定标,影响定标后的色差大小和定标校正后颜色的人眼视觉感知效果。为探索更好的颜色真值获取方法,利用实验室内测得的D65定标光源的相对光谱功率分布,重新定义了转换矩阵中的白点坐标,然后基于CIE颜色计算公式,根据格拉斯曼颜色混合定律,对XYZ与sRGB颜色空间之间的转换矩阵进行了修正,提高了样本真值获取的准确度。另外利用修正后的转换矩阵对sRGB空间的三刺激值曲线进行了重新计算,对标准转换值偏离实际值的原因进行了分析。通过地面试验验证,相对于传统样本真值获取方法,利用该真值获取方法定标后A,B两相机的色差值分别降低了0.8和0.73;定标矩阵校正在轨图像时,色差分别降低了26.50%和34.47%,且校正后的颜色与人眼的视觉感知效果更接近。     

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。     

粉末涂料电脑配色的人工神经网络模型

提出一种基于多层BP人工神经网络的粉末涂料配方预测模型;用BP算法人工神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。把人工神经网络的配方预测模型应用到典型的粉末涂料样品的测配色实验过程中。实验结果表明,基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,对64个节点的平均训练精度达到了1个CIELAB色差单位。