CN104092919A - 用于彩色数字影像系统的色适应变换寻优方法及系统 - Google Patents

Abstract

用于彩色数字影像系统的色适应变换寻优方法及系统，包括输入影像客体各样本可见光范围光谱反射率数据；计算各样本在目标光源照明条件下色度信息，求解各样本在各种模拟光源照明条件下色度信息；利用各种色适应变换方法预测色适应变换后在目标光源照明条件下的色度信息；计算各模拟光源下各待寻优的色适应变换方法对各样本的色适应变换平均精度；构建BP神经网络对模拟光源的相对光谱功率分布曲线与色适应变换平均精度之间关系进行拟合；对于任意光源，利用各条BP神经网络分别预测相应色适应变换方法对于各样本的色适应变换平均精度，并依此确定最优色适应变换方法。本发明可保证影像色度信息在不同光照条件下映射的准确性，且实施方便。

Description

用于彩色数字影像系统的色适应变换寻优方法及系统

技术领域

本发明属于彩色数字影像记录与再现技术领域，具体涉及一种用于彩色数字影像系统的色适应变换寻优方法及系统。

背景技术

彩色数字影像系统是客观事物信息记录与再现的重要载体之一。在该系统中，为模拟人眼视觉所具有的色觉适应特性，需要借助特定色适应变换方法，用以实现同一色彩信息在不同光照场景条件下的准确映射。其中，人眼色觉适应特性指人眼对客观事物色彩信息的感知在一定程度上不随环境光源色度及亮度变化而变化的属性。由于彩色数字影像系统并不具备此类色觉适应特性，因而目前业界普遍采用色适应变换的方法，用以模拟人眼色觉适应机理。构建此类方法的最终目的，在于通过对人眼视觉响应机理的模拟，结合不同光源色度信息，实现由原始光源下物体色度信息到目标光源下物体色度信息的模拟预测，进而保证影像客体色彩信息传递的准确性。

目前，在彩色数字影像记录与再现领域，业界提出了诸多经典色适应变换方法，如VonKries方法,Wrong Von Kries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等。

参考文献1.蔡圣燕.色适应及ICC色彩管理中的色适应转换[J].北京印刷学院学报，2004，12(4)：3.

参考文献2.H.R.Kang.Computational color technology[M].Society of Photo Optical，2006：

参考文献3.M.R.Luo.A review of chromatic adaptation transforms[J].Review of Progress inColoration and Related Topics，2000，30(1)：77-92.

此类方法通过人眼色觉适应机理的模拟，在一定程度上解决了彩色数字影像系统不同光源下色度信息准确映射的问题。然而，受影像客体及照明场景多样性及特殊性等因素的影像，现有方法在色适应变换精度方面与影像客体及照明场景具有显著的关联性，即在不同影像客体及照明条件下，对应最优色适应变换方法往往不同。针对此问题，目前学术界与工业界尚未提出相应解决方法，以实现面向不同影像客体及照明场景的色适应变化方法寻优。

发明内容

本发明的目的是为了解决背景技术中所述问题，提出一种用于彩色数字影像系统的色适应变换寻优方法及系统。

本发明的技术方案为一种用于彩色数字影像系统的色适应变换寻优方法，包括以下步骤：步骤1，输入影像客体的M个样本分别的可见光范围内的光谱反射率数据；

步骤2，以步骤1中各样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在目标光源L照明条件下色度信息，

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

其中，X、Y、Z表示色度三刺激值，x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用目标光源L相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为由y(λ)、E(λ)确定的参数；

步骤3，随机生成N条模拟光源的相对光谱功率分布曲线作为照明光源E(λ)，并利用步骤2所述色度学公式求解各样本在N种模拟光源照明条件下分别所对应色度信息；

步骤4，针对P种待寻优的色适应变换方法，对每个样本根据步骤3所得在N种模拟光源照明条件下分别所对应色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息；

步骤5，结合步骤2所得各样本在目标光源L照明条件下色度信息及步骤4所得色适应变换预测色度信息，计算各模拟光源照明条件下各待寻优的色适应变换方法对各样本的色适应变换平均精度；

步骤6，构建P条BP神经网络，对步骤3中模拟光源的相对光谱功率分布曲线与步骤5中色适应变换平均精度之间的非线性关系进行拟合；

步骤7，对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应相对光源光谱功率分布曲线为输入，利用步骤6中所构建的各条BP神经网络分别预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此确定最优色适应变换方法。

而且，样本数量M取值200，模拟光源数量N取值3000。

而且，步骤5实现如下，

根据某个样本m在目标光源L照明条件下色度信息以及样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测所得色适应变换预测色度信息采用CIEDE2000色差公式得到相应色差值

对M个样本的色差值求和然后除以M取平均，得到模拟光源n照明条件下色适应变换方法p相应的色适应变换平均精度E^p.n2L，m的取值为1,2,…,M，n的取值为1,2,…,N，p的取值为1,2,…,P。

本发明还相应提供一种用于彩色数字影像系统的色适应变换寻优系统，包括以下模块：样本数据输入模块，用于输入影像客体的M个样本分别的可见光范围内的光谱反射率数据；目标光源样本色度计算模块，用于以样本数据输入模块中各样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在目标光源L照明条件下色度信息，

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

其中，X、Y、Z表示色度三刺激值，x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用目标光源L相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为由y(λ)、E(λ)确定的参数；

模拟光源样本色度计算模块，用于随机生成N条模拟光源的相对光谱功率分布曲线作为照明光源E(λ)，并利用色度学公式求解各样本在N种模拟光源照明条件下分别所对应色度信息；色适应变换预测模块，用于针对P种待寻优的色适应变换方法，对每个样本根据目标光源样本色度计算模块所得在N种模拟光源照明条件下分别所对应色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息；色适应变换平均精度计算模块，用于结合目标光源样本色度计算模块所得各样本在目标光源L照明条件下色度信息及色适应变换预测模块所得色适应变换预测色度信息，计算各模拟光源照明条件下各待寻优的色适应变换方法对各样本的色适应变换平均精度；

神经网络构建模块，用于构建P条BP神经网络，对模拟光源样本色度计算模块所得模拟光源的相对光谱功率分布曲线与色适应变换平均精度计算模块所得色适应变换平均精度之间的非线性关系进行拟合；

寻优模块，用于对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应光源相对光谱功率分布曲线为输入，利用神经网络构建模块所构建的各条BP神经网络分别预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此确定最优色适应变换方法。

而且，样本数量M取值200，模拟光源数量N取值3000。

而且，色适应变换平均精度计算模块执行计算如下，

根据某个样本m在目标光源L照明条件下色度信息以及样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测所得色适应变换预测色度信息采用CIEDE2000色差公式得到相应色差值

对M个样本的色差值求和然后除以M取平均，得到模拟光源n照明条件下色适应变换方法p相应的色适应变换平均精度E^p.n2L，m的取值为1,2,…,M，n的取值为1,2,…,N，p的取值为1,2,…,P。

本发明提出的一种用于彩色数字影像系统的色适应变换寻优技术方案，在限定样本集及目标光源场景的前提下，通过BP神经网络构建色适应变换原始光源与各色适应变换方法预测精度之间的关联性模型，进而实现对应场景条件下最优色适应变换方法的准确选择。此方法较为理想的解决了背景技术部分所述问题，从而可以保证彩色数字影像信息传递过程的准确性，进而满足高品质彩色影像信息记录与再现的需求。因此，本发明解决了不同影像客体及照明场景条件下的色适应变换寻优问题，且实施方便，在彩色数字影像记录与再现领域具有较强的适用性。由于本发明技术方案具有重要应用意义，受到多个项目支持：1.国家自然基金项目61275172，2.国家文物局文物保护领域科学和技术研究一般课题2013-YB-HT-034，3.国家973基础研究子项目2012CB725302。对本发明技术方案进行保护，将对我国相关行业竞争国际领先地位具有重要意义。

附图说明

图1为本发明实施例的流程图。

具体实施方式

结合附图，提供本发明实施例具体描述如下。

如图1所示实施例提供的一种用于彩色数字影像系统的色适应变换寻优方法，较为理想的解决了不同影像客体及照明场景条件下的色适应变换寻优问题，从而为进一步提高彩色数字影像色彩信息的准确传递提供了方法与手段。实施例采用480个敦煌矿物颜料样本作为原始样本集，以D50标准照明体为目标光源，在Von Kries方法,Wrong Von Kries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等6种色适应变换方法中进行色适应变换方法的寻优。需要说明的是，本发明并不局限于上述影像客体、光源类型及色适应变换方法，对于其它影像客体、光源类型及色适应变换方法，本方法同样适用。

本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例提供的方法流程包括以下步骤：

1)输入影像客体的M个样本分别的可见光范围内的光谱反射率数据。

本领域技术人员可以自行预设M的取值。具体实施时，可以针对色彩复制对象，由本领域技术人员预先依据主观判断方法，以样本典型性与取样完整性为原则，选择影像客体的M个典型色彩样本。可见光范围一般为380nm—780nm。具体实施时，可预先用分光光度计测量各样本的相应光谱反射率信息，取380nm—780nm波段数据。

实施例的流程输入，是预先采用480个敦煌矿物颜料样本作为原始样本集，在色彩角度以样本典型性及取样完整性为原则，依据主观判断方法预先选取200个典型色彩样本(M＝200)，从样本相应测量所得光谱反射率信息中，截取可见光范围内的光谱反射率数据。

2)以1)中输入的各样本可见光范围内的光谱反射率数据为基础，利用如下色度学公式计算各样本在目标光源L照明条件下色度信息。其中，X、Y、Z表示色度三刺激值，是引起人体视网膜对某种颜色感觉的三种原色(红绿蓝)的刺激程度之量的表示。λ表示可见光各波段波长。S(λ)表示颜色物体光谱反射率，一般可表现为以波长为横坐标(单位为nm)、以颜色物体光谱反射率为纵坐标(单位为百分比)的曲线；E(λ)为照明光源，一般可表现为以波长为横坐标(单位为nm)、以照明光源相对光谱功率为纵坐标(单位为百分比)的曲线。x(λ)、y(λ)、z(λ)为人眼视觉匹配函数。k为由y(λ)、E(λ)确定的参数。

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

在实施例中，本步骤实现200个典型色彩样本在目标光源L下的色度值求解，目标光源L设为D50标准照明体，即E(λ)采用D50标准照明体相应的相对光谱功率分布曲线。针对各样本，S(λ)分别采用相应可见光范围内的光谱反射率数据。

设某个样本m在目标光源L照明条件下色度信息为本步骤得到M个样本在目标光源L照明条件下色度信息为m的取值为1,2,…,M。

3)随机生成N条模拟光源相对光谱功率分布曲线；并利用2)所述色度学公式求解1)中各样本光谱反射率数据在各模拟光源照明条件下所对应色度三刺激值，即求解各样本在N种模拟光源照明条件下分别所对应色度信息。本步骤中，E(λ)采用模拟光源相对光谱功率分布曲线。

本领域技术人员可以自行预设N的取值。实施例随机生成N＝3000条模拟光源相对光谱功率分布曲线，其中各曲线横坐标均分布于380nm—780nm波段，纵坐标于[0,1]范围内取值；并针对每条模拟光源相对光谱功率分布曲线，利用2)所述公式求解1)中各样本光谱反射率数据在各模拟光源照明条件下所对应色度三刺激值。

设某个样本m在模拟光源n照明条件下色度信息为本步骤得到M个样本在模拟光源n照明条件下色度信息为m的取值为1,2,…,M，n的取值为1,2,…,N。

4)针对P种待寻优的色适应变换方法，对每个样本根据3)所求各模拟光源条件下对应的色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息。

本领域技术人员可以自行预设P的取值并选择待寻优的色适应变换方法。实施例的待寻优色适应变换方法为Von Kries方法,Wrong Von Kries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等6种色适应变换方法(因此P＝6)，针对3)所求各模拟光源条件下样本色度信息(即各样本光谱反射率数据在各模拟光源照明条件下所对应色度三刺激值)，用各种色适应变换方法预测色适应变换后各样本在D50照明条件下的色度信息。

设某个样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测色适应变换后在目标光源L照明条件下的色度信息，得到的色适应变换预测色度信息记为本步骤采用P种色适应变换方法得到m的取值为1,2,…,M，n的取值为1,2,…,N，p的取值为1,2,…,P。

5)结合2)所述各样本在目标光源L照明条件下色度信息及4)所述色适应变换预测色度信息，计算各模拟光源条件下4)中各类色适应变换方法对各样本预测色适应变换的平均精度。

具体实施时，色适应变换精度可以基于CIEDE2000、CMC(L:C),CIELAB,CIE94等多种方式表示，可参见J.Schanda.CIE colorimetry[M].Wiley Online Library，2007：.

实施例采用CIEDE2000色差值表示，依据CIEDE2000色差公式，结合2)所述各样本在目标光源D50下的色度信息及4)所述色适应变换预测色度信息(即利用各色适应变换方法预测所得色适应变换后各样本在目标光源L照明条件下的色度信息)，计算各模拟光源n条件下4)所述6种色适应变换方法对200个典藏色彩样本的色适应变换平均精度。

根据某个样本m在目标光源L照明条件下色度信息以及样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测所得色适应变换预测色度信息采用CIEDE2000色差公式得到相应色差值对M个样本的色差值求和然后除以M取平均，得到模拟光源n照明条件下色适应变换方法p相应的色适应变换平均精度E^p.n2L。

CIEDE2000色差公式可参见Ming R Luo.CIE2000color difference formula:CIEDE2000[A].In9th Congress of the International Color Association[C]，Year：554-9.本发明不予赘述。

6)构建P条BP神经网络，对3)中模拟光源相对光谱功率分布曲线与5)中所得各模拟光源条件下各类色适应变换方法对各样本预测色适应变换的平均精度之间的非线性关系进行拟合。

实施例中，以3)随机生成的3000条模拟光源相对光谱功率分布曲线作为输入数据，以5)中求出的3000组各模拟光源条件下，各类色适应变换方法对各样本预测色适应变换的平均精度为输出数据，构建BP神经网络。其中，针对Von Kries方法,Wrong Von Kries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等6种色适应变换方法，共需构建6条BP神经网络。具体实施时，可参见BP神经网络现有技术实现。

对每类色适应变换方法p，以N条模拟光源相对光谱功率分布曲线为输入，以N个模拟光源照明条件下色适应变换方法p相应的色适应变换平均精度E^p.12L,E^p.22L,...,E^p.N2L为输出，可构建一条相应BP神经网络W^p进行拟合。

7)对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应光源相对光谱功率分布曲线为输入，利用6)中所构建的各条BP神经网络预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此为依据确定最优色适应变换方法。

实施例利用6)所构建的6条BP神经网络，可以对其中所述6种色适应变换算法对于200个敦煌典型矿物颜料色彩样本在由任意光源至D50照明体的色适应变换精度进行预测，进而实现色适应变换算法的寻优。将任意实际光源的相对光谱功率分布曲线分别输入6条BP神经网络，6条BP神经网络输出的平均精度中，精度值(误差)最低的选为最优的色适应变换算法。

对每类色适应变换方法p，以任一待寻优的实际光源相对光谱功率分布曲线t为输入，经相应BP神经网络W^p，可预测得到该实际光源照明条件下色适应变换方法p相应的色适应变换平均精度E^p.t2L。根据E^1.t2L,E^2.t2L,...,E^P.t2L中最小值，取相应色适应变换方法为最优色适应变换方法。

为便于说明本发明技术效果起见，分别以46种实际光源作为色适应变换原始光源，输入相应相对光谱功率分布曲线到BP神经网络进行寻优，对寻优精度进行评价。结果显示，上述Von Kries方法,Wrong Von Kries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等6种色适应变换方法的平均精度分别为2.28，1.80，2.11，2.31，2.20，2.35，而本发明实施例所提供方法对46种不同照明场景色适应变换算法寻优后评价色适应变换精度为1.58，实现了色适应变换精度的显著提升。

本发明还相应提供一种用于彩色数字影像系统的色适应变换寻优系统，包括以下模块：样本数据输入模块，用于输入影像客体的M个样本分别的可见光范围内的光谱反射率数据；目标光源样本色度计算模块，用于以样本数据输入模块中各样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在目标光源L照明条件下色度信息，

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

其中，X、Y、Z表示色度三刺激值，x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用目标光源L相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为由y(λ)、E(λ)确定的参数；

模拟光源样本色度计算模块，用于随机生成N条模拟光源的相对光谱功率分布曲线作为照明光源E(λ)，并利用色度学公式求解各样本在N种模拟光源照明条件下分别所对应色度信息；色适应变换预测模块，用于针对P种待寻优的色适应变换方法，对每个样本根据目标光源样本色度计算模块所得在N种模拟光源照明条件下分别所对应色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息；色适应变换平均精度计算模块，用于结合目标光源样本色度计算模块所得各样本在目标光源L照明条件下色度信息及色适应变换预测模块所得色适应变换预测色度信息，计算各模拟光源照明条件下各待寻优的色适应变换方法对各样本的色适应变换平均精度；

神经网络构建模块，用于构建P条BP神经网络，对模拟光源样本色度计算模块所得模拟光源的相对光谱功率分布曲线与色适应变换平均精度计算模块所得色适应变换平均精度之间的非线性关系进行拟合；

寻优模块，用于对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应光源相对光谱功率分布曲线为输入，利用神经网络构建模块所构建的各条BP神经网络分别预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此确定最优色适应变换方法。

各模块具体实现和各步骤相应，本发明不予赘述。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种用于彩色数字影像系统的色适应变换寻优方法，其特征在于，包括以下步骤：

步骤1，输入影像客体的M个样本分别的可见光范围内的光谱反射率数据；

步骤2，以步骤1中各样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在目标光源L照明条件下色度信息，

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

其中，X、Y、Z表示色度三刺激值，x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用目标光源L相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为由y(λ)、E(λ)确定的参数；

步骤3，随机生成N条模拟光源的相对光谱功率分布曲线作为照明光源E(λ)，并利用步骤2所述色度学公式求解各样本在N种模拟光源照明条件下分别所对应色度信息；

步骤4，针对P种待寻优的色适应变换方法，对每个样本根据步骤3所得在N种模拟光源照明条件下分别所对应色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息；

步骤5，结合步骤2所得各样本在目标光源L照明条件下色度信息及步骤4所得色适应变换预测色度信息，计算各模拟光源照明条件下各待寻优的色适应变换方法对各样本的色适应变换平均精度；

步骤6，构建P条BP神经网络，对步骤3中模拟光源的相对光谱功率分布曲线与步骤5中色适应变换平均精度之间的非线性关系进行拟合；

步骤7，对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应光源相对光谱功率分布曲线为输入，利用步骤6中所构建的各条BP神经网络分别预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此确定最优色适应变换方法。

2.根据权利要求1所述用于彩色数字影像系统的色适应变换寻优方法，其特征在于：样本数量M取值200，模拟光源数量N取值3000。

3.根据权利要求2所述用于彩色数字影像系统的色适应变换寻优方法，其特征在于：步骤5实现如下，

根据某个样本m在目标光源L照明条件下色度信息以及样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测所得色适应变换预测色度信息采用CIEDE2000色差公式得到相应色差值

对M个样本的色差值求和然后除以M取平均，得到模拟光源n照明条件下色适应变换方法p相应的色适应变换平均精度E^p.n2L，m的取值为1,2,…,M，n的取值为1,2,…,N，p的取值为1,2,…,P。

4.一种用于彩色数字影像系统的色适应变换寻优系统，其特征在于，包括以下模块：

样本数据输入模块，用于输入影像客体的M个样本分别的可见光范围内的光谱反射率数据；目标光源样本色度计算模块，用于以样本数据输入模块中各样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在目标光源L照明条件下色度信息，

X＝k∫x(λ)E(λ)S(λ)dλ,

Y＝k∫y(λ)E(λ)S(λ)dλ,

Z＝k∫z(λ)E(λ)S(λ)dλ,

k＝100/[∫y(λ)E(λ)dλ],

其中，X、Y、Z表示色度三刺激值，x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用目标光源L相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为由y(λ)、E(λ)确定的参数；

模拟光源样本色度计算模块，用于随机生成N条模拟光源的相对光谱功率分布曲线作为照明光源E(λ)，并利用色度学公式求解各样本在N种模拟光源照明条件下分别所对应色度信息；色适应变换预测模块，用于针对P种待寻优的色适应变换方法，对每个样本根据目标光源样本色度计算模块所得在N种模拟光源照明条件下分别所对应色度信息，利用各种色适应变换方法预测色适应变换后在目标光源L照明条件下的色度信息，记为色适应变换预测色度信息；色适应变换平均精度计算模块，用于结合目标光源样本色度计算模块所得各样本在目标光源L照明条件下色度信息及色适应变换预测模块所得色适应变换预测色度信息，计算各模拟光源照明条件下各待寻优的色适应变换方法对各样本的色适应变换平均精度；

神经网络构建模块，用于构建P条BP神经网络，对模拟光源样本色度计算模块所得模拟光源的相对光谱功率分布曲线与色适应变换平均精度计算模块所得色适应变换平均精度之间的非线性关系进行拟合；

寻优模块，用于对于任意光源照明条件下色度信息到目标光源L照明条件下色度信息的色适应变换过程，以相应光源相对光谱功率分布曲线为输入，利用神经网络构建模块所构建的各条BP神经网络分别预测相应色适应变换方法对于M个样本的色适应变换平均精度，并依此确定最优色适应变换方法。

5.根据权利要求4所述用于彩色数字影像系统的色适应变换寻优系统，其特征在于：样本数量M取值200，模拟光源数量N取值3000。

6.根据权利要求5所述用于彩色数字影像系统的色适应变换寻优系统，其特征在于：色适应变换平均精度计算模块执行计算如下，

根据某个样本m在目标光源L照明条件下色度信息以及样本m在模拟光源n照明条件下色度信息经色适应变换方法p预测所得色适应变换预测色度信息采用CIEDE2000色差公式得到相应色差值

对M个样本的色差值求和然后除以M取平均，得到模拟光源n照明条件下色适应变换方法p相应的色适应变换平均精度E^p.n2L，m的取值为1,2,…,M，n的取值为1,2,…,N，p的取值为1,2,…,P。