基于宽色域色彩光谱样本集的色度校正方法研究

在跨媒体色彩再现流程中,受色彩再现场景光源及设备呈色机理等因素的影响,同一色彩信息在不同数字媒介之间进行传递时,往往存在色彩传递失真现象,该问题严重影响了现阶段影像色彩复制与传递的客观准确性。色度校正旨在克服上述色彩失真问题,进而提升影像色彩信息传递品质。现有色度校正方法主要可分为色适应变换类算法以及回归校正算法两大类,目前由于此两类方法所采用的训练样本普遍色域过小,故其往往导致在高饱和度色彩区域色度校正误差较大。为此,研究提出了一种基于宽色域色彩光谱样本集的新型色度校正方法。通过各类典型色彩光谱样本的收集与制备,构建了具有广阔色域范围的典型色彩光谱样本集,并在此基础上结合色域划分及色纯度寻优方法实现了现有回归校正模型建模样本的扩充与优化,显著提升了现阶段色度校正算法的校正精度。实验结果显示,在各类照明组合条件下,相比于现有色适应变换类方法以及回归校正类方法,所提出的色度校正方法可将以CIEDE2000色差公式表示的色度校正误差降低15%左右,对于高饱和度色彩区域其对应降幅可达40%左右。该方法的提出,将为未来数字影像色彩复制领域色彩再现技术的发展,提供有效的理论与方法支撑。     

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。     

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。     

结合光谱变换和Kennard-Stone算法的水稻土全氮光谱估算模型校正集构建策略研究

土壤组分光谱估算过程中校正样本集的构建会影响模型的预测精度。当前结合反射光谱和Kennard-Stone (KS)算法的校正样本集构建策略忽视了土壤反射光谱是土壤属性的综合反映,构建的样本集通常无法很好地代表目标土壤组分的变异。光谱变换方法可以突出目标组分的光谱特征,为此,本文以湖北省江汉平原滨湖地区水稻土为研究对象,结合包括一阶微分(FD)、Savitzky-Golay(SG)、Haar小波变换、标准正态变量变换(SNV)和多元散射校正(MSC)在内的光谱变换方法和KS算法进行校正样本集建构,通过对比不同样本集构建策略对使用偏最小二乘回归(PLSR)建立的土壤全氮含量光谱估算模型预测精度的影响,研究光谱变换是否有助于提高基于KS算法构建的校正样本集的代表性。结果表明：不同光谱变换会影响校正样本集的构建。反射光谱经过SG或Haar小波变换后,再使用KS算法构建校正样本集与直接基于反射光谱使用KS算法构建的校正样本集相同,建立的估算模型精度不变,相对分析误差(RPD)分别为1.41和1.27。结合FD,SNV或MSC变换和KS算法构建的校正集与基于反射光谱使用KS算法构建的校正集不同,建立的估算模型RPD分别从0.95,1.48和1.42提高到1.13、1.78和2.20。研究表明SNV和MSC等光谱变换方法可以提高基于KS算法构建的校正样本集的代表性,并可有效提高模型预测精度。     

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。     

粉尘环境下典型煤岩近红外光谱特征及识别方法

针对煤矿井下近红外煤岩识别中所存在的粉尘问题,采用无烟煤与抑爆剂9∶1混合的混合物模拟煤矿井下粉尘环境,构建了粉尘环境煤岩光谱识别实验装置。为了研究粉尘环境对典型煤岩近红外光谱的影响,从全国各地收集了页岩、砂岩、灰岩3类岩石样本及无烟煤、烟煤、褐煤3类煤类样本的原位典型煤岩试样23个,采集无粉尘情况下的23个煤岩样本表面近红外波段1000-2500nm的反射光谱作为实验标准数据库,分别从实验标准样本库中3类典型煤样本与3类典型岩样本中随机选择1个样本作为实验样本,分别采集测试样本在600, 1 000, 1 500和3 000 mg·m~(-3)粉尘浓度下的近红外波段的反射光谱数据,结果显示:粉尘的加入导致1 000～1 200 nm波段与2 400～2 500 nm波段的光谱图像信噪比降低;随着粉尘浓度的增加,粉尘中的无烟煤的不透明物质使得实验样本中的特征吸收谷减弱;采用光谱角度匹配SAM以及皮尔逊相关系数对试样和标准样本库进行相关性分析,无烟煤类样本、烟煤类样本、砂岩类样本、灰岩类样本在光谱角度匹配SAM匹配模型下有着较高的匹配度,匹配度在各个粉尘浓度下均处于0.9以上;相关系数匹配模型匹配度受粉尘的影响剧烈,平均相关系数为0.73;实验标准数据库及实验样本经SG卷积和SNV标准正态预处理后,预处理后的样本数据库与实验样本光谱角度匹配SAM匹配模型匹配度无明显变化,相关系数匹配模型匹配度显著提升,平均相关系数为0.78;除褐煤2号外,所有的样本光谱相关系数平均提升0.13,无烟煤2号样本各个浓度平均相关系数提升76.3%,而样本12褐煤2号的光谱相关系数经光谱预处理降低。建立光谱角度匹配SAM以及皮尔逊相关系数煤岩识别模型,二值化煤岩样本,煤为"0"岩为"1",通过两种识别模型对不同浓度下的6个实验样本进行煤岩识别,光谱角度匹配SAM的识别准确率P为100%,识别时间为8 ms,皮尔逊相关系数的识别准确率P为87.5%,识别时间为852 ms。     

孔雀羽毛不同色区的色彩分析

孔雀羽毛是生物结构色的典型代表。作者采用扫描电镜和光纤光谱仪观察了羽毛表面结构和反射光谱,低倍SEM表面观察结果表明孔雀尾羽“眼斑”处艳丽的色彩源于光子晶体的微结构特性,不同的色彩部位源于微结构不同的表面形状及不同的结构周期;反射光谱表明,反射光谱的峰位随着入射角度的改变而改变,填充液填充后反射峰位发生移动。该研究为制作类似孔雀羽毛光子晶体结构的功能复合材料提供了依据。     

面向高光谱影像分类的空间正则化流形鉴别分析方法

针对传统高光谱影像特征提取算法大多仅考虑光谱信息或提取空间信息不够精细的问题,提出了一种监督空间正则化流形鉴别分析(SSRMDA)算法,以提高遥感地物的分类性能。该算法首先利用样本数据的标签信息构建谱域类内图和类间图,以揭示高光谱数据潜在的非线性流形结构;然后构建空域类内图,并将空间信息以正则化方式与光谱信息融合,实现谱-空信息的有效融合,并可在低维空间内使类内数据更加聚集,增强嵌入数据的可分性。在Indian Pines和Washington DC Mall数据集上的实验表明,所提算法的总体分类精度分别为91.58%和96.67%,说明所提算法有效提升了地物分类能力,尤其在小样本下的优势更为明显,更有利于实际应用。     

高光谱成像技术在彩绘文物分析中的研究综述

彩绘文物是文化遗产研究的重要内容之一。目前,许多的化学、光谱以及数字成像等分析技术应用于彩绘文物研究中,其中,高光谱成像技术集光谱分析与成像技术为一体,具有无损、快速成像以及"图谱合一"的特点。其技术特点使得高光谱成像技术在非接触、无样本的条件下对彩绘文物进行无损研究,既可以获得彩绘文物的整体形貌特征,还可以深入分析彩绘文物的光谱特征,是高光谱成像技术相比于其他彩绘文物研究方法的独特优势。利用高光谱成像技术研究彩绘文物分为数据采集、数据分析以及数据应用三步,其中数据分析与数据应用是研究的主要内容。通过对高光谱成像技术在彩绘文物中的相关研究成果进行总结归纳,其数据处理方法主要包括高光谱数据降维、光谱特征参量化、光谱解混合以及分类方法四个方面,并分别描述了四类处理方法的主要功能、常用方法和已有案例。从具体应用方向上,可归纳为视觉增强、隐含信息挖掘、保护监测和颜料分析四类,具体描述了四类应用方向所涵盖的内容以及所解决的问题。最后对相关研究中存在的挑战和发展前景进行了总结和展望。     

高光谱成像技术的柚类品种鉴别研究

柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析 (PCA)和连续投影算法 (SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。     

具有颜色恒常性的光谱反射率重建

给定物体三刺激值,重建物体反射率在跨媒体颜色复制领域有着重要应用.常见的重建反射率算法包括基向量法、维纳估计法、加权伪逆方法等,这些方法大多都是为了建立由低维度三刺激值或者RGB向高维度光谱反射率的映射关系,以重建的反射率与原始反射率的接近程度为评价指标,并且需要光谱反射率数据进行训练.但是很多工业领域在产品设计时都需...     

Measurement of Color Constancy by Color Memory Matching

Degree of color constancy was measured when color memory was involved in color comparison judgment. We used the Optical Society of America (OSA) Uniform Color Scales as stimulus color samples, and chose 20 color samples as test stimuli. Four illuminants of 1700, 3000, 6500, and 30, 000 K were tested. The observer, completely adapted to a test illuminant, saw a test color sample and stored its color in his memory. After being readapted to the reference white (6500 K), he started selecting a color sample from among the 424 OSA samples which matched the test sample in his memory. We employed a memory matching method called cascade color matching, in which the number of selected color-samples was gradually reduced in four stages. In the final stage, the observer selected a color sample. The results show that, for most test colors, the distributions of selected colors in stages 1 to 4 were similar among all illuminants, and that the u’v’ chromaticity distance between a test color under 6500 K and its matched color was quite short. These indicate that good color constancy was retained in memory color comparison.     

油墨红外光谱相似度与计算机配色精度的关系研究

为了获得高精度的配色样品,提出了一种配色方法-成分分析配色法。该方法将化学分析法与计算机配色相结合,其核心是选取与目标色成分最接近的油墨进行配色,从而实现高精度的色彩匹配,为计算机配色发展提供新的思路。与目标色成分相近的油墨配色效果验证：使用某种油墨印制目标色,并用相同的油墨进行配色,以实现目标色成分与配色色样成分的一致性。使用三个不同品牌的油墨对目标色进行配色,比较配色精度及效率。使用泗联牌三种颜色油墨以任意比例通过印刷适性仪IGT-CI(荷兰)印制目标色,这些目标色包括间色和复色,各3个色样;使用配色软件X-Rite color master(美国)建立泗联、东洋、牡丹三个品牌油墨的配色基础数据库,并对不同目标色进行配色。结果表明使用与目标色相同的泗联油墨的配色精度远高于东洋、牡丹两个品牌的油墨,配色色差整体都很小,校正1～2次就能得到小于1.0的色差,最小达到0.36,几乎实现了目标色的同色同谱匹配。实验验证了成分分析配色法的核心“选取与目标色成分最接近的油墨进行配色,可以实现高精度色彩匹配”的可行性。判别目标色与配色油墨在成分上区别的化学分析工具探讨：为了判别目标色色料与配色油墨在成分上有区别,尝试使用“红外光谱相似度”作为判别的分析工具。使用红外光谱仪Thermo Nicolet 6700(美国)测出泗联、东洋、牡丹三个品牌的三种颜色油墨的红外光谱图,使用OMNIC软件中的相关性算法得到它们与目标色油墨的红外光谱相似度,并计算出平均相似度;将各品牌油墨的红外光谱相似度与其配色实验的精度进行对比分析,评价红外光谱相似度作为化学分析判别工具的有效性。结果表明泗联牌油墨与目标色的平均红外光谱相似度为100%,东洋的为86.53%,牡丹的为64.63%。当校正次数相同时,泗联油墨配色色差最小,配色精度最高;东洋次之,是泗联油墨配色色差的2倍左右;牡丹最差,是泗联油墨配色色差的3倍以上。配色结果与其红外光谱相似度的规律是一致的,目标色油墨与配色油墨之间的红外光谱相似度越高,越容易得到高精度的配色样品。实验证明了用成分分析配色法获得高精度的色彩匹配是可行的,使用红外光谱相似度作为目标色与配色油墨在成分上的分析工具对判别配色精度是有效的。今后的工作将探讨红外光谱相似度与配色精度间的相关性数值关系,以及进一步寻求更为有效的化学分析方法来判断目标色色料与配色油墨之间的成分关系。     

西藏扎什伦布寺壁画的科学研究

壁画是寺院建筑的重要装饰元素,也是藏传佛教艺术的重要组成部分。扎什伦布寺始建于明正统12年（公元1447年）,作为后藏最大的寺院,寺内保存了大量精美壁画,这些壁画对研究藏传佛教及佛教艺术具有重要意义。扎什伦布寺自建寺起一直为传播佛教文化服务,经历了频繁的大规模修建。为了解扎什伦布寺壁画的制作材料与工艺,为今后壁画的保护及修复提供重要的参考及科学支撑,选取寺内强巴佛殿四层北壁、吉康扎仓南殿西侧的典型壁画,共采集8个样品。采用超景深三维视频显微镜观察壁画的制作结构,显微激光拉曼光谱仪对有机与无机颜料的成分信息进行表征,偏光显微镜根据晶体的光学信息鉴别拉曼光谱相似的颜料颗粒,X射线衍射仪用于测定地仗成分,扫描电镜/能谱仪则对微观数据进行确认和补充。通过分析研究,壁画由地仗层、准备层、颜料层构成。颜料包括矿物及人工合成颜料,其中红色颜料为朱砂与颜料红14,绿色颜料为块铜矾、酞菁绿,黑色颜料为碳黑,黄色颜料为雌黄,蓝色颜料为合成群青。颜料红14与酞菁绿为有机合成颜料,合成群青则为无机合成颜料。块铜矾作为矿物颜料,在欧洲曾用于架上画、壁画、手稿等艺术作品中,但在国内还未曾发现其使用历史,这一发现扩展了对绿色颜料的认识。壁画的地仗层依据藏式壁画制作传统使用了阿嘎土,准备层则由黄土制备。研究结果表明,壁画制作时以阿嘎土打底,刷一层黄土找平壁面,以胶调和颜料绘制于黄土层之上。壁画除了使用一些常见的传统藏式壁画材料,还发现了一些近代人工合成材料,说明扎什伦布寺强巴佛殿四层北壁及吉康扎仓南殿西侧壁画曾经历过重绘或补绘。该研究结果不仅弥补了扎什伦布寺壁画的研究空缺,也为扎什伦布寺修缮历史的补充及完善提供了重要证据。     

Color Conversion Method for Multiprimary Display Using Matrix Switching

The range of reproducible color, i.e., color gamut, of conventional three-primary display devices is sometimes insufficient for reproducing the natural color of an object through color imaging systems. A multiprimary display is being developed for the purpose of reproducing an expanded color gamut using more than three primary colors. In this paper, a color conversion method is proposed to reproduce the natural color by additive mixture of multiprimary colors. The multiprimary color signal in this conversion method is calculated from the three-dimensional color coordinates CIE-XYZ, considering the dynamic range of each primary color. Divided into some linear elements from the polyhedral color solid of the multiprimary display, the conversion considering the constraint of the dynamic range can be performed by simple calculation without iterative calculation or a huge three-dimensional look up table. A fast computation method with a two-dimensional look-up-table is also presented. Using the proposed method, the result of the color reproduction is experimentally demonstrated by a six-primary projection display.     

Recovery of spectral data using weighted canonical correlation regression

The weighted canonical correlation regression technique is employed for reconstruction of reflectance spectra of surface colors from the related XYZ tristimulus values of samples. Flexible input data based on applying certain weights to reflectance and colorimetric values of Munsell color chips has been implemented for each particular sample which belongs to Munsell or GretagMacbeth Colorchecker DC color samples. In fact, the colorimetric and spectrophotometric data of Munsell chips are selected as fundamental bases and the color difference values between the target and samples in Munsell dataset are chosen as a criterion for determination of weighting factors. The performance of the suggested method is evaluated in spectral reflectance reconstruction. The results show considerable improvements in terms of root mean square error (RMS) and goodness-of-fit coefficient (GFC) between the actual and reconstructed reflectance curves as well as CIELAB color difference values under illuminants A and TL84 for CIE1964 standard observer.     

Mössbauer study of rock paintings from minas gerais (Brazil)

Four samples of a wall containing rock paintings have been studied by Mössbauer spectroscopy in combination with optical microscopy analysis and X-ray diffraction. Hematite and goethite were identified as the pigments responsible for the colors and the mineral tinsleyite, as the principal component of a light pink layer that is present in some parts of the wall.