光谱颜色复制中对基色色料线性混合空间的建立

针对光谱反射率空间并不是一个有效的基色色料线性混合空间的缺点,提出了建立基色色料线性混合空间的三项原则。根据不同原稿色料光学特性的不同,将原稿分为透明色料连续调原稿、不透明色料连续调原稿、半色调原稿(半透明色料),并针对这三类原稿分别构建能真实反应原稿色料真实物理维度的光谱线性空间,以不透明色料原稿为例进行实验验证。实验结果表明,根据原稿色料光学特性建立的色料线性混合空间是一个有效的线性混合空间,在其上的光谱预测能真实反映原稿基色色料的数量和近似得到基色色料的光谱形状。     

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。     

多源光谱特征组合的COD光学检测方法研究

水样的化学需氧量大小直接决定水质的污染程度,传统的检测方法都是源于氧化还原反应,对水样会造成二次污染。为此,提出一种基于多源光谱特征组合的水质化学需氧量光学检测方法,以不同地点实际水样为被测对象,分别采集其紫外和近红外光谱曲线,进行预处理后,通过非负矩阵分解算法进行光谱数据的特征提取、数据特征归一化,然后将组合特征输入训练集样本,通过粒子群最小二乘支持向量机算法对验证集水样的化学需氧量进行定量预测。讨论了非负矩阵分解算法中基光谱数目对预测模型的影响。实验结果显示,紫外光谱的最佳基光谱数目为5,近红外光谱的最佳基光谱数目为2;预测模型的验证集平方相关系数为0.999 8,预测均方根误差为3.26 mg·L-1;分别与不同特征提取方法(主成分分析, 独立成分分析)、不同光谱法(紫外光谱法, 近红外光谱法)以及不同的组合方式(数据直接组合, 先组合数据再提取特征)加以比较,表明非负矩阵分解算法更适合光谱数据的特征提取,粒子群最小二乘支持向量机算法作为实际水样的定量模型校正方法可以得到良好的预测精度。     

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。     

基于非负矩阵分解的多聚焦图像融合研究

在标准非负矩阵分解约束条件的基础上,提出了一种添加了清晰度约束的新的目标函数和迭代算法．即改进的非负矩阵分解算法,并将其应用于多聚焦图像融合中。非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。若以待融合图像为原始数据,选取特征空间的维数为1,则利用改进的非负矩阵分解方法进行图像融合所得到的特征基图像就是对原始图像的融合,该融合网像包含了原始图像的整体特征。实验结果表明,该方法融合效果优于小波变换方法和拉普拉斯塔型方法。     

基于约束非负矩阵分解的高光谱解混

为了得到改进的优化解,提出一种基于丰度和端元约束下非负矩阵分解的解混方法。首先,基于丰度矩阵稀疏性特点,将重加权稀疏正则化引入到非负矩阵分解模型中,其中权重根据丰度矩阵自适应更新。其次,根据同一地物在相邻像素中分布的相似性先验,进一步将全变差正则化引入到非负矩阵分解模型中,以改进其丰度平滑性。最后,通过一个马尔可夫随机场模型中的势函数,实现端元光谱平滑性的约束。为了验证所提算法的性能,在一个模拟数据集和两个真实数据集(Jasper Ridge和Cuprite)进行了测试。结果表明:所提方法在端元光谱相似性和丰度估计精度等方面都有所改进。     

一种基于色域分析与聚类分析的基色筛选

提出了一种基于色域分析与聚类分析结合的基色筛选算法。该方法对传统4色色域和目标高保真色域进行分析,筛选出4色色域外的特征点,并对其光谱反射率进行主成分分析,确定基色的个数m。以m作为分类数,对集合中特征色光谱反射率进行聚类分析,在m个分类光谱中选择和特征色平均光谱距离最远的m个光谱作为基色光谱,在基色库中选择和m个光谱相关距离最小的实际专色作为最终基色。实验结果表明,提出的基色选择算法能够准确估计出新基色的光谱反射率,最大程度实现了目标高保真色域的再现。     

非侵入式散射介质内多光谱重建

近年来许多方法被提出以实现透过散射介质的聚焦和成像,然而,在非入侵且无波前整形技术的情况下,透过散射介质的目标光谱重建仍极具挑战.提出了一种非侵入式散射介质内多光谱重建的新方法.该方法通过非侵入式的探测手段,利用随机散斑照明隐藏目标,成像光谱仪记录目标的光谱信息和空间信息,并结合非负矩阵分解算法对目标混叠谱进行解析,从...     

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.     

L1/2稀疏约束卷积非负矩阵分解的单通道语音增强方法

为了刻画语音信号帧间相关性和使用更少的语音基表示语音特征,提出一种采用L_1/2稀疏约束的卷积非负矩阵分解方法进行单通道语音增强。首先,进行噪声学习得到噪声基;然后,以噪声基为先验信息结合L_1/2稀疏约束卷积非负矩阵分解方法学习含噪语音中的语音基成分;最后,利用学习到的语音基和系数重建出干净语音信号。在不同噪声环境下进行的实验结果表明,本文方法优于采用L₁稀疏约束的卷积非负矩阵方法及传统的统计语音增强方法。      

Single frame blind image deconvolution by non-negative sparse matrix factorization

Novel approach to single frame multichannel blind image deconvolution has been formulated recently as non-negative matrix factorization problem with sparseness constraints imposed on the unknown mixing vector that accounts for the case of non-sparse source image. Unlike most of the blind image deconvolution algorithms, the novel approach assumed no a priori knowledge about the blurring kernel and original image. Our contributions in this paper are: (i) we have formulated generalized non-negative matrix factorization approach to blind image deconvolution with sparseness constraints imposed on either unknown mixing vector or unknown source image; (ii) the criteria are established to distinguish whether unknown source image was sparse or not as well as to estimate appropriate sparseness constraint from degraded image itself, thus making the proposed approach completely unsupervised; (iii) an extensive experimental performance evaluation of the non-negative matrix factorization algorithm is presented on the images degraded by the blur caused by the photon sieve, out-of-focus blur with sparse and non-sparse images and blur caused by atmospheric turbulence. The algorithm is compared with the state-of-the-art single frame blind image deconvolution algorithms such as blind Richardson-Lucy algorithm and single frame multichannel independent component analysis based algorithm and non-blind image restoration algorithms such as multiplicative algebraic restoration technique and Van-Cittert algorithms. It has been experimentally demonstrated that proposed algorithm outperforms mentioned non-blind and blind image deconvolution methods.     

受干扰光谱信息中矿物颜料粒径信息的获取

矿物颜料的准确配色是实现文物壁画高品质修复,颜色高保真还原的关键技术。矿物颜料颗粒的粒径大小是影响矿物颜料颜色信息和光谱反射率信息的一个重要因素。准确获取壁画表面的矿物颜料光谱反射率信息,是实现颜料颗粒粒径信息识别的有效途径。但是,由于壁画表面矿物颜料部分采样点的光谱信息受到了干扰,无法与不同粒径的矿物颜料的光谱数据库准确匹配,因此也无法从采集的光谱信息中获取有效的粒径信息。针对受干扰的颜料光谱信息,提出利用比值导数法对其进行处理。把光谱信息从光谱反射率空间转换到比值导数光谱空间进行匹配,降低光谱中的干扰信息,增强矿物颜料颗粒本身的光谱特征信息。以壁画中常用的不同粒径的石青和石绿矿物颜料为实验对象,制成色块样本,以基底和白色颜料为主要影响因素,对文中提出的方法进行测试。光谱角度量的结果和光谱曲线图的匹配结果显示,在比值导数光谱空间,获得了满意的光谱匹配精度。验证了文中提出的分析方法可以解决实验中受干扰颜料光谱匹配不准确而无法获得粒径信息的问题,能够为壁画修复过程中矿物颜料的配色提供准确的粒径信息参考。     

Adaptive non-negative bases for reconstruction of spectral data from colorimetric information

The positive basis functions of the reflectance spectra of Munsell color chips are extracted by using the classical nonnegative matrix factorization method. Different numbers of basis, i.e., 3 to 5, are determined and used as projection spaces. The spectral reflectances of samples are defined in the desired compact spectral spaces and the performances of the spaces are evaluated through the cost of the “lost data” by computing of the root mean square error between the actual and the reconstructed spectra as well as the corresponding color difference values under different viewing conditions. The method is also compared with the most welcomed technique, i.e., principal component analyzing, and its priority is shown to some extent in the three dimensional space. To show the importance of the spectral behaviors of samples in the dataset on the extracted basis and consequently the error of the spectral reconstruction trial, the adaptive non-negative matrix factorization method is introduced and examined in the reconstruction of spectral data from the colorimetric tristimulus values. The suggested method weights the samples in the database proportional to the colorimetric differences between the specimens in the dataset and the sample whose spectral has been aimed, prior to the extraction of all positive bases. The root mean square errors between the actual and the reconstructed spectra as well as the metamerism indices under A and F11 illuminants are calculated and the results show considerable improvement over the classic non-negative matrix factorization method as well as the principal component analyzing technique.     

文物红色系颜料高光谱识别指数研究

红色系矿物颜料曾被艺术家们大量地使用在古画和古建筑上.正确地识别出不同种类的红色系颜料对于文物监测与修复具有重要意义.传统的颜料识别主要依靠化学分析,不仅识别速度慢、识别范围小,而且对文物进行取样操作会造成文物的永久损伤.高光谱技术对颜料进行无损识别可以很好地解决这些问题.选用辰砂、胭脂、银朱、朱膘、朱砂、赭石、赭粉、...     

中国古画矿物颜料光谱混合模型初探-以石青和石绿为例

高光谱遥感技术对文物完全无损,适于对中国古画等文物进行颜料的鉴别与分析,但是中国古画中混合颜料不同成分的定量分析仍然是文物颜料分析领域中的难点。针对中国古画中经常出现的混合颜料现象,以石青、石绿两种典型的矿物颜料为例,选用粒度大小相同的两种矿物颜料粉末,按照不同的体积比例精确配比获取颜料样本,然后精确控制实验条件获取其光谱。对混合光谱分别用全约束最小二乘法进行全波段光谱解混,用比值导数解混算法进行单波段光谱解混,然后评定解混精度并对解混结果进行对比分析,探讨这两种矿物颜料的光谱混合模型。实验结果表明,石青、石绿两种矿物颜料的光谱混合从总体上来说非线性混合特征较强,但是在局部某些波段又基本符合线性混合模型,利用这些波段采用比值导数法解混,可以得到远高于全波段解混精度的定量分析结果。     

积雪混合像元光谱特征观测及解混方法比较

积雪混合像元分解方法研究及积雪比例产品的发展是积雪遥感的重要研究方向。在我国北疆地区利用SVC HR-1024野外便携式光谱仪观测了已知积雪比例的混合像元光谱特征并进行系统分析,同时,采用四种混合像元分解模型对实测光谱进行解混及精度评价。结果表明反射率随积雪比例均匀下降并不呈均匀的线性变化,在不同波段呈非线性变化特征,积雪像元解混精度与观测尺度的不同有一定的联系,尺度越小,解混精度越低;进一步对实测光谱的解混结果表明,线性回归法精度较低,特别是对于积雪比例小于50%的解混结果不准确,稀疏回归解混法和非负矩阵解混法略高于线性混合像元分解法,但线性混合像元分解法运算效率最高,稀疏回归解混法运算效率最低,当对遥感图像进行解混时,要综合考虑四种方法的计算效率。通过将推动积雪混合像元分解定量遥感研究,并为遥感影像准确提取积雪比例提供理论依据。     

有机和无机国画颜料漫反射光谱和吸收光谱特征研究

国画颜料解混一直是古画颜料研究的重要内容,其中光纤反射光谱（FORS）是无损化探测颜料类别的常用手段。通过CCD光纤光谱系统,从光谱线型对国画颜料进行了分类,分别探测了两种有机植物颜料藤黄和胭脂在不同比例混合下的漫反射光谱与吸收光谱,并获取了不同色系无机矿物质颜料混合后的漫反射光谱。分析了单一颜料和混合颜料的光谱特征峰值,运用多元线性回归（MLR）以及一阶导数光谱法（FDS）,通过全波段线性解混获得了各组分颜料的比例。经过实验与理论分析,藤黄与胭脂的漫反射光谱为S型,混合颜料一阶导数光谱中两特征峰的位置分别为536和649 nm,在漫反射光谱中多元线性回归基本适用于该混合颜料的解混并显示出一定的线性规律,但无法精确地解混。而混合颜料的吸收光谱与单色光谱之间存在较好的线性关系,解混误差在5%左右。无机矿物质颜料中的漫反射光谱有S型（石黄和赭石）和钟型（石青和石绿）两种。首先,对于S型（石黄）与S型（赭石）混合颜料漫反射光谱,赭石的一阶导数光谱出现明显的“三峰”现象,并且混合颜料一阶导数光谱在534 nm处出现新的特征峰。多元线性回归理论虽适用于该混合颜料的解混,但由于不同颜料解混的权重因子不同,无法形成较为精准的线性模型。其次,对于S型（赭石）与钟型（石绿）混合颜料的反射光谱需要多元线性回归与导数光谱法共同判断混合比例的基本趋势,该光谱在400～800 nm范围内仅有一个交叉点。最后,利用钟型（石青）与钟型（石绿）混合颜料反射光谱的特征峰位置,即可判断出颜料混合比例的特征,随着混合比例的变化,反射光谱特征峰在457～524 nm出现了明显的横向移动,并且混合颜料光谱的峰值强度有明显的减弱。