基于光谱表示和独立成分分析的混合颜料成分分析方法

在混合颜料成分分析中,反射光谱法通过计算相似性来判断基本颜料种类,容易受多种基本颜料的影响,造成分析结果不准确。将光谱表示为信号,结合独立成分分析,提出一种基于光谱表示和独立成分分析的混合颜料成分分析方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料的光谱信息;随后,通过计算基本颜料光谱与已知颜料光谱的相似性,确定基本颜料种类;最后,逆用Kubelka-Munk混色公式就可以得出基本颜料的比例。我们采用蒙赛尔色卡光谱制作模拟数据,分别进行正常/扰动情况下三种色卡光谱混合信息的成分分析试验,以及从8种色卡光谱中选择若干种混合后的成分分析实验。分离出的光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.72%,最大相似比可以达到99.95%,得出的基本颜料比例与混合时的比例基本相同。实验结果表明本方法适用于混合颜料成分分析。     

基于局部均值的K-近质心近邻光谱分类

天体光谱包含着许多重要的关于天体的物理和化学信息,如天体表面的有效温度、重力加速度以及化学丰度等,天体光谱的处理和分析对天文研究具有重要的科学意义。一些大型巡天计划的实施(如SDSS,LAMOST等)使我们获得了海量的天文光谱数据,因此天文光谱数据的自动分类成为重要的科学研究课题,然而面对如此海量的光谱数据,一些传统的光谱自动分类方法已经不适用,迫切需要寻找高效率的光谱自动分类技术。研究了基于局部均值的K-近质心近邻(local mean-based K-nearest centroid neighbor,LMKNCN)算法在恒星(Star)、星系(Galaxy)和类星体(Quasar,QSO)的光谱分类中的应用。LMKNCN算法的基本思想是根据近质心近邻原则,从每一类训练样本集中为待测样本点选取k个近质心近邻点,然后根据每一类中所选取的k个近质心近邻点的均值点到待测样本点x的距离来判别x的所属类别。针对美国SDSS-DR8的天体光谱数据,对比了K-近邻、K-近质心近邻、LMKNCN三种算法在恒星、星系和类星体的光谱分类中所表现的性能,结果表明三种方法中,LMKNCN算法对这三种光谱的识别率高于其他两种算法或者与其相当,而且其平均分类正确率高于另外两种算法,特别是在类星体的识别率上表现的更好。表明了该算法对天文光谱大数据的快速处理和有效利用具有重要的意义。     

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。     

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息;然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.     

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息|然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.     

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。     

基于均匀颜色知觉空间的多光谱图像彩色合成

本文在分析现有多光谱图像彩色合成方法的基础上，提出了基于均匀颜色知觉空间的ＨＬＣ合成法，讨论了单谱段图像映射、分量图像合成、色域变换以及合成图像的色差预测和评估、彩色变换和逆变换，分析了影响合成图像视觉效果的因素。应用于伪装目标的识别获得了比ＲＧＢ、ＹＭＣ、ＩＨＳ等合成法更好的效果     

基于多光谱图像颜色特征的茶叶分类研究

提出了一种利用多光谱图像颜色特征进行茶叶分类的新方法,对两种颜色几乎一样用肉眼几乎不能分辨的茶叶进行了分类。图像由MS3100-3CCD光谱成像仪和普通数码相机同时获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它比普通数码照相机包含更丰富的信息,特别NIR波段的图像对有机物的颜色比可见光敏感。提取3CCD光谱成像仪和普通数码照相机各个波段图像颜色的特征即像素偏方差值和平均值进行统计分析,用多光谱图像的NIR图像所提供颜色信息能够辨别这两种颜色几乎一样的茶叶,而普通数码相机无法提供信息进行识别。然后应用人工神经网络技术,对NIR图像像素偏方差值和平均值这两个参数进行建模,建模样本40个,每个样本为20个,预测样本20个,每个样本为10个。结果表明,在阈值为0.3,对两种茶叶进行分类得到了100%识别率,此研究为茶叶的分类提供一种快速和无损的新方法。     

基于光谱叠加特性的液晶显示器颜色特征化方法研究

从色光加色混合的基本特性出发,对两台专业级液晶显示器(LCD)进行了光谱辐亮度测量.对测量结果进行计算表明,显示色与三原色光谱辐亮度函数之间存在线性叠加关系,不同数字驱动值下相同波长的三原色光谱辐亮度函数满足三次多项式的关系.利用这两个关系提出了一种根据数字驱动值和对应的三原色光谱辐亮度函数计算任意显示色的算法.实验验...     

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...     

基于非参数回归与最近邻方法的恒星光谱自动分类

恒星光谱数据的自动识别与分类是现代巡天望远镜所产生的海量光谱数据处理的一项重要研究内容。针对流量未定标的低分辨率恒星光谱设计了一种有效的自动分类方案,实现恒星光谱的MK分类：光谱型及其次型分类,光度型分类。该方案由三部分实现：(1)连续谱归一化：基于小波技术提取低频信号逼近连续谱的方法;(2)七种光谱型及其次型的分类通过非参数回归方法实现。(3)光度型分类通过基于最近邻的χ2方法实现。实验结果表明该方案能够有效实现恒星光谱的MK分类,光谱型及其次型的分类精度为3.2个光谱次型,Ⅰ-Ⅴ光度型的正确识别率为60%, 次优统计率为78％。该方案训练速度快,方法实现容易,适用于海量恒星光谱自动分类处理系统。     

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.     

基于序列图象对应概率累积的基础矩阵求解方法

提出一种基于图象序列对应概率累积的基础矩阵求解算法.该算法基于序列对应概率累积求最大熵点的对应概率累积分布图,采用RANSAC思想和加权最小二乘法拟舍极线,通过统计分类器求解极点并消除出格极线,并利用所求的对应极线和极点,采用一种参量化方法求解F矩阵.该算法工程实现容易,对输入的源图象没有苛刻的要求,可以基于随机拍摄的图象序列方便地求解F矩阵.     

基于序列图象对应概率累积的基础矩阵求解方法*

提出一种基于图象序列对应概率累积的基础矩阵求解算法.该算法基于序列对应概率累积求最大熵点的对应概率累积分布图,采用RANSAC思想和加权最小二乘法拟合极线,通过统计分类器求解极点并消除出格极线,并利用所求的对应极线和极点,采用一种参量化方法求解F矩阵.该算法工程实现容易,对输入的源图象没有苛刻的要求,可以基于随机拍摄的图象序列方便地求解F矩阵.     

基于禁忌搜索的车联网蒙特卡洛定位算法

在蒙特卡洛定位算法中引入禁忌搜索算法以提高车联网中快速定位的性能。自组织车联网高速移动的车辆和快速变化的网络拓扑结构,使用传统的蒙特卡洛定位算法,不能迅速的收敛位置信息。在滤波阶段引入禁忌搜索算法对传统蒙特卡洛定位算法进行改进, 优化滤波排除可能性较小的位置点,获得近似最优估计位置采样集。仿真结果表明,改进后的算法在样本采集数、计算时间、定位精度等方面有了显著提升,改进后的算法能更好地解决车联网的定位问题。     

基于动态布谷鸟搜索算法的PID控制器参数优化

针对传统PID控制器参数优化费时且不能保证获得最佳性能,提出一种基于动态布谷鸟搜索算法的PID控制器参数优化方法。布谷鸟搜索算法(CS)具有参数少、搜索能力强等特点,但是标准布谷鸟搜索算法参数采用固定值,极大地影响了算法的性能,因此提出了动态布谷鸟搜索算法(DCS),DCS算法采用动态参数,算法性能明显改善。仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标。     

基于Bloch球面搜索的量子粒子群优化算法

通过分析量子势阱粒子群优化算法的设计过程,提出一种基于Bloch球面搜索的量子粒子群优化算法.首先用基于Bloch球面描述的量子位描述粒子,用泡利矩阵建立旋转轴,用Delta势阱模型计算旋转角度,用量子位在Bloch球面上的绕轴旋转实现搜索.然后用Hadamard门实现粒子变异,以避免早熟收敛.这种旋转可使当前量子位沿着Bloch球面上的大圆逼近目标量子位,从而可加速优化进程.仿真结果表明,该算法的优化能力优于原算法.     

General Quantum Meet-in-the-Middle Search Algorithm Based on Target Solution of Fixed Weight

Similar to the classical meet-in-the-middle algorithm, the storage and computation complexity are the key factors that decide the efficiency of the quantum meet-in-the-middle algorithm. Aiming at the target vector of fixed weight, based on the quantum meet-in-the-middle algorithm, the algorithm for searching all n-product vectors with the same weight is presented, whose complexity is better than the exhaustive search algorithm. And the algorithm can reduce the storage complexity of the quantum meet-in-the-middle search algorithm. Then based on the algorithm and the knapsack vector of the Chor-Rivest public-key crypto of fixed weight d, we present a general quantum meet-in-the-middle search algorithm based on the target solution of fixed weight, whose computational complexity is ∑_j^d=(0(√C_n-k+1^d-j)+O(C_k^jlogC_k^j)) with ∑_i=0^dC_kⁱ memory cost. And the optimal value of k is given. Compared to the quantum meet-in-the-middle search algorithm for knapsack problem and the quantum algorithm for searching a target solution of fixed weight, the computational complexity of the algorithm is lower. And its storage complexity is smaller than the quantum meet-in-the-middle-algorithm.