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。     

双面半色调图像的光谱反射率色彩精确预测模型

为了准确地预测双面半色调图像的光谱反射率,并考虑光在纸张内的散射和油墨在纸基上的扩展渗透,建立了一个统一的双面半色调图像光谱反射率精确色彩预测模型.在油墨是非散射介质,纸张为强散射体以及油墨和纸张具有相同的折射率的条件下,引入Williams-Clapper模型中光在油墨中斜程传播的思想,考虑进入纸基层的光线横向传播和油墨扩展导致的网点扩大效应以及光在纸基和印刷品-空气界面间的多重内反射,利用多重内反射的网状结构分析法和最小二乘曲线拟合方法,确定了各种不同叠印条件下的理论网点面积率和有效网点面积率的函数关系,得出彩色双面图像的光谱反射色彩精确预测模型.新模型的预测值和测量值达到了较好的匹配,同时这也为彩色双面图像的呈色规律分析和印刷品质量检测系统的研制与开发提供了理论依据.     

双面半色调图像的光谱反射率色彩精确预测模型

为了准确地预测双面半色调图像的光谱反射率,并考虑光在纸张内的散射和油墨在纸基上的扩展渗透,建立了一个统一的双面半色调图像光谱反射率精确色彩预测模型.在油墨是非散射介质,纸张为强散射体以及油墨和纸张具有相同的折射率的条件下,引入Williams-Clapper模型中光在油墨中斜程传播的思想,考虑进入纸基层的光线横向传播和油墨扩展导致的网点扩大效应以及光在纸基和印刷品-空气界面间的多重内反射,利用多重内反射的网状结构分析法和最小二乘曲线拟合方法,确定了各种不同叠印条件下的理论网点面积率和有效网点面积率的函数关系,得出彩色双面图像的光谱反射色彩精确预测模型.新模型的预测值和测量值达到了较好的匹配,同时这也为彩色双面图像的呈色规律分析和印刷品质量检测系统的研制与开发提供了理论依据.     

半色调荧光图像的光谱反射与透射模型

荧光油墨半色调印刷品的显色预测规律是彩色成像领域内十分关键的课题。把荧光半色调印刷品反射出来的光分成两个独立的部分,即由最初入射光组成的主光流和由于吸收了主光流而产生的荧光流;并且采用了一个指数矩阵来描述墨层产生的荧光光强,从而得出了荧光半色调图像色彩的光反射规律。考虑到入射光中从一种颜色油墨入射后再由同色油墨出射的概率要比从其它色油墨出射的概率要大的事实,讨论中引入权重因子描述从同色油墨出射部分与从整个表面出射部分比例不同的现象,建立了荧光油墨半色调图像的Clapper-Yule新光谱反射率模型。     

近红外光谱Elastic Net建模方法与应用

当近红外光谱信息远大于样本量时，对光谱信息进行自动变量选择进而建立光谱与样品含量的稀疏线性模型重要且具有挑战性。利用近红外光谱，将变量选择方法Elastic Net用于聚苯醚生产过程中微量成分邻甲酚的测量，建立近红外光谱与邻甲酚含量之间的定量校正模型，并将其模型预测效果与Lasso方法进行对比。在变量数目远远大于样本量的情形下，Lasso方法虽可实现变量选择，但由于对系数的过度压缩，使得模型的预测精度受到影响，而Elastic Net通过增加L2惩罚项避免了过多删失数据，可以提高模型预测精度。为了验证Elastic Net方法的模型性能指标，用复相关系数R2和调整的复相关系数R2_a来评价模型的可解释性，利用平均相对预测误差MRPE(mean relative prediction error)和预测相关系数Rp来评价模型的预测精度。Lasso方法建立的模型性能指标为：R2=0.94，R2_a=0.93，MRPE=4.51％，R_p=0.96；Elastic Net方法的性能指标为：R2=0.97，R2_a=1，MRPE=3.25％，R_p=0.98。结果表明，Elastic Net所建立模型的性能指标优于Lasso方法，可以得到可解释性较强和预测精度较高的稀疏线性模型。     

兼顾色度和光谱精度的多光谱图像LabW2P编解码

针对可见光多光谱图像在通用领域的应用,为提高压缩效率,有效提升重建光谱曲线的色度及光谱精度,进一步存储传输,提出了一种非线性光谱反射率模型,并基于此设计了复杂度适中、光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。首先根据多光谱图像物理特性,提出非线性光谱反射率模型,将光谱数据表示为线性成分和差别光谱,线性成分由六维变换空间及光谱投影系数组成,差别成分为非线性表示成分,该模型用于光谱数据至不同基变换空间的分解及表示,为算法的构建,光谱及色度重建性能的提升,提供了理论基础;然后,根据人眼视觉系统特征、光照条件,借助CIE标准色度空间转换函数,提取光谱反射率中的三维色度信息Lab,保证重建图像的色度精确性;基于光谱非线性表示模型,采用类视觉曲线的三角函数基,提取线性成分前两维投影系数作为光谱编码的后两维W₁和W₂,用于近似描述CIERGB色度空间中R和G通道,同时有效提高光谱数据的色度和光谱还原度;利用误差补偿机制生成预测差别光谱,采用主成分分析（PCA）法提取其第一维主成分作为编码值P,补偿了线性光谱重建误差,并进一步提升了光谱精确性;最后,组合提取的三部分数据,形成LabW2P编码。LabW2P解码即编码的逆过程。首先,根据Lab及W₁和W₂,结合CIELAB至CIEXYZ色度空间转换函数、光照条件、CIE标准观察者色匹配函数、及三角函数基,采用最小二乘回归,获得变换空间上的重建投影系数,进而重建线性光谱数据;然后,根据P值,采用PCA逆变换,获取重建预测差别数据,最后,结合两部分重建数据,获得光谱重建图像。实验分析显示,LabW2P算法的平均色度精度为0.207 6,较经典的PCA,LabPQR和LabRGB法分别提升了81.54%,55.48%,32.29%,最大平均色差为0.507 0,此外均处于0～0.5之间,达到了视觉难以辨认的可忽略色差的色彩重建水平;平均光谱精度为0.012 7,较PCA性能稍弱,较LabPQR和LabRGB法分别提升了13.01%,6.62%,表明LabW2P编码法的色度和光谱重建性能优势明显。此外该算法可直接用于物体色估计,较PCA和LabPQR法,传输附加信息少,可达压缩比更高。     

考虑光学网点扩大的分程CLAPPER-YULE理论预测模型

定量研究了半色调印刷品的光谱反射率规律。在分程Clapper-Yule光谱反射率模型的基础上,通过引入光学网点扩大参数w修正了纸张和油墨的反射率与网点面积率之间的非线性关系,建立了考虑光学网点扩大的新光谱预测模型。数值计算表明:新模型的预测值修正了原分程模型预测值低于实验值的缺陷。半色调印刷品的墨点和纸基反射率是网点面积率和光学网点扩大参数w的函数,采用分程Clapper-Yule模型预测印刷品色彩必须考虑网点面积率和参数w对反射率的影响。     

基于Adaptive Elastic Net方法的近红外光谱建模技术

当近红外光谱信息远远大于样本量时,对光谱信息进行自动变量选择进而建立光谱与微量成分含量之间的稀疏线性模型重要且具有挑战性。针对聚苯醚生产过程中微量成分邻甲酚难以测量的问题,将变量选择方法Adaptive Elastic Net用于建立近红外光谱与邻甲酚含量之间的定量校正模型,并将其模型性能与ElasticNet方法进行对比。在变量数目远远大于样本量的情形下,ElasticNet方法虽可以实现变量选择,但由于其系数估计不具备Oracle性质,使得模型的可解释性和预测精度受到影响,而Adaptive Elastic Net方法通过对L1惩罚项施加自适应权重从而很好的解决了上述问题并提高了模型性能。为了验证Adaptive Elastic Net方法的模型性能指标,用最终被选中的自变量数目来评价模型复杂度;利用复相关系数R2来评价模型的可解释性,利用平均相对预测误差MRPE(mean relative prediction error)和预测相关系数R_p来评价模型的预测精度。Elastic Net方法建立的模型性能指标为：NSIV=529,R2=0.96, MRPE=3.22％, R_p=0.97; Adaptive Elastic Net方法的性能指标为：NSIV=139, R2=0.99, MRPE=2.00％, R_p=0.99。结果表明：Adaptive Elastic Net所建立模型的性能指标优于Elastic Net方法,可以得到更加简单且具有较强可解释性和较高预测精度的稀疏线性模型。     

光谱重构油菜叶绿素含量快速检测方法及设备研制

为了实现油菜叶片中叶绿素含量的快速无损检测,开发了手持式多光谱成像系统用于采集油菜叶片在460,520,660,740,840和940 nm 六个波段的光谱图像。将一台能够采集可见光/近红外（380～1 023 nm）512个波段光谱图像但是价格高昂且体积大的室内高光谱成像系统作为参考仪器,将手持式多光谱成像系统作为目标仪器后,采用伪逆法（pseudo-inverse method）求得高光谱成像系统和多光谱成像系统两台仪器之间的转换矩阵F,从而实现6个波段的多光谱图像向512个波段的高光谱图像的重构,提高了手持式设备的光谱分辨率。运用偏最小二乘回归算法（PLSR）建立了重构的光谱与油菜叶片的叶绿素含量之间的关系模型。结果表明,重构的可见光范围内的光谱反射率与叶绿素浓度之间具有很强的相关性,PLSR回归模型建模集的决定系数R2_c为0.82,建模集均方根误差RMESC为1.98,预测集的决定系数R2_p为0.78,预测集均方根误差RMESP为1.50,RPD为2.14。虽然应用本文开发的手持式成像系统结合PLSR模型实现油菜叶绿素含量快速无损预测的精度低于基于室内高光谱成像系统获得的高光谱图像建立的PLSR模型（R2_c,RMESC,R2_p,RMESP和RPD分别为0.90,1.41,0.82,1.36和2.37）,但是明显优于基于原始多光谱成像系统4个波段（460,520,660和740 nm）反射率建立的PLSR模型得到的结果（R2_c,RMESC,R2_p,RMESP和RPD分别为0.78,2.06,0.72,1.85和1.88）。表明光谱重构技术可提高多光谱成像预测油菜叶绿素含量的精度,并且与室内高光谱成像系统相比,开发的手持式设备具有体积小、成本低廉和操作简便等优点,可为田间油菜叶片的生理状态和养分检测及可视化表达提供技术支持。     

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。     

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。     

基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.     

半色调双面图像的色彩预测Clapper-Yule模型

为了准确地预测印刷图像的光谱反射率,在假定油墨是非散射介质以及油墨的折射率与纸张的折射率近似相等的近似下,利用考虑光在纸基内多次内反射的Clapper-Yule理论和描述多重内反射的网状结构分析模型,建立了同色不同加网周期双面墨像的光谱反射色彩预测模型.同时给出了包含纸基的向下体反射和反面纸基-空气构成界面定向反射作用的单面墨像Clapper-Yule色彩预测修正新模型.     

双面半色调图像的Clapper-Yule色彩预测分程模型

通过印刷品光谱反射比预测半色调图像色彩是印刷质量控制与设备检测研制领域十分关注的课题。在假定油墨是非散射介质以及油墨的折射率与纸张的折射率近似相等的条件下,利用光在油墨与纸张中散射迁移路径长短不同的分程理论和多重内反射的网状结构分析方法,研究了光照射在双面印刷品上的光谱反射规律,建立了双面印刷品的光谱反射色彩预测模型。并在此基础上通过理论分析,论证了新建双面印刷品的Clapper-Yule色彩分程预测模型的合理性。新模型为双面印刷品的呈色规律分析与印刷品在线检测仪的研制提供了理论依据。     

喷墨打印系统多光谱特征化正向模型的建立

随着光谱技术的发展,打印系统的光谱特征化模型成为研究热点。基于光谱匹配的特征化模型通过直接预测设备基色的光谱反射比数据,可以有效的减少同色异谱现象的发生,为实现高保真印刷提供条件。主要基于Yule-Nielsen修正的Neugebauer光谱模型,开展了关于12色打印系统光谱特征化模型如何提高模型精度的研究。首先通过对颜色测量仪器及测量条件、喷墨打印机打印系统进行稳定性及精确度验证,为后续样本设计和测量提供可行性依据。然后,建立该研究设备适用的正向YNSN模型。依据CIELAB颜色空间中明度值L*均匀分布的原则,设计并输出了1 331个测试样本,抽取部分样本做训练样本,对所建立的光谱的特征化正向模型进行验证。结果表明,基于光谱的特征化模型预测精度较高,具有明显的优势。经验证,通过引入Yule-Nielsen修正参数n值,可进一步改善光谱预测精度。     

Stearns-Noechel模型的全光谱纱线配色算法

目前计算机配色中,拟合样与标准样的色差小时配方偏差较大,打样结果不理想,难以预测准确配方。在光学模型Stearns-Noechel模型的基础上进行算法优化。利用两个样品的分光反射率数据相等,则两个样品必然等色的特性,改进计算机配色算法程序中的判别条件,即通过MATLB编程计算,在区间[0 1]中,每间隔0.001,循环未知参数M值,选择全光谱反射率数据偏差最小时的参数M值计算拟合配比,代替色差最小时的参数M值计算拟合配比,并分别计算拟合样与标准样的相对配方偏差进行对比。结果表明,选择全光谱反射率数据偏差最小时参数M值对应的拟合配方,一次色的平均配方相对偏差为0.560,二次色为0.346;选择色差最小时参数M值对应的拟合配方,一次色的平均配方相对偏差为0.723,二次色为0.383;两种方法对比,可以看出无论是一次色还是二次色,优化算法后拟合样品与标准样品的配方相对偏差都比选择色差最小时对应的的相对配方偏差小,即优化后的拟合配方更加接近真实配方,配色精确度得到明显提高,有利于减少后期打样次数,提高配色效率。     

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...