CN104634745B - 光谱重构方法 - Google Patents

Abstract

本发明提供了一种光谱重构算法，包括以下步骤：步骤1，获取待测样本的CIE色彩空间的CIE XYZ值；步骤2，将待测样本的CIE XYZ值根据预定规则转换为CIE L^*C^*H^*值；步骤3，对参照光谱值形成的参照光谱值集合中进行分选得到相对应地分区光谱值集合；步骤4，根据主成分分析方法，在分区光谱值集合中选取贡献率大的三个主成分即第一组主成分，根据重构公式计算出初级光谱值；步骤5，根据初级光谱值对分区光谱值集合中的分区光谱值进行选择，选取得到的筛选光谱值组成筛选光谱值集合；步骤6，根据主成分分析方法，在筛选光谱值集合中选取贡献率大的三个主成分即第二组主成分，计算得到测试光谱值。

Description

光谱重构方法

技术领域

本发明涉及一种光谱反射率重构方法，具体涉及一种光谱重构方法。

背景技术

光谱反射率是物体的固有属性，且不同物体的光谱反射率不同，其可称为物体的“指纹”。在印刷、艺术品复制、纺织及电子商务领域中都经常涉及到物体的光谱反射率信息。所以测得物体的光谱反射率具有重要意义。现有技术中，通过分光光度计可以准确测得物体的光谱反射率，但是，分光光度计这种设备的价格昂贵、测量效率较低，并且测量时只能以接触式方式对有一定尺寸的平面物体进行测量。

近年来通过数码相机、多光谱系统、扫描仪、显示器等获得物体颜色的设备响应值后再预测物体光谱反射率的方法被广泛采用。一般，数字图像设备有三个独立的颜色通道，故以CIE色彩空间的CIEXYZ三刺激值预测物体的光谱反射率来研究基于数字图像设备三色响应值的光谱反射率重构算法。目前已有许多模型算法用于重构物体的光谱反射率，如伪逆法、遗传算法、神经网络、Hawkyard法以及改进算法、查找表法、独立元分析法、非负矩阵分解法、主成分分析法等，其中主成分分析方法的应用最为广泛。但是，现有技术中，主成分分析法只通过一组主成分对所有物体的光谱反射率进行预测或者在预选的范围内进行预测，这样实现的光谱重构不但没有完整反映物体反射率的变化特性，也没有很好的反映边界颜色上的光谱特性，使得重构精度不高。

发明内容

本发明是为了解决上述课题而进行的，目的在于提供一种实现重构精度高的光谱重构方法。

本发明提供了一种光谱重构方法，用于根据分别具有CIE色彩空间的CIE L^*C^*H^*值和参照光谱值的训练样本集合计算出待测样本集合的测试光谱值，其特征在于，包括以下步骤：步骤1，获取待测样本的CIE色彩空间的CIE XYZ值；步骤2，将待测样本的CIE XYZ值根据预定规则转换为CIE L^*C^*H^*值；步骤3，根据待测样本的色相角H^*，对参照光谱值形成的参照光谱值集合中进行分选得到相对应地分区光谱值集合；步骤4，根据主成分分析方法，在分区光谱值集合中选取贡献率大的三个主成分即第一组主成分，根据重构公式计算出初级光谱值；步骤5，根据初级光谱值对分区光谱值集合中的分区光谱值进行选择，选取得到的筛选光谱值组成筛选光谱值集合；步骤6，根据主成分分析方法，在筛选光谱值集合中选取贡献率大的三个主成分即第二组主成分，根据重构公式计算得到测试光谱值。

在本发明所提供的光谱重构方法，还可以具有这样的特征：其中，步骤3包括以下步骤：步骤3-1：设定与待测样本的色相角H^*对应的预定角度范围；步骤3-2：判断训练样本集合的所有色相角H^*是否在预定角度范围内；步骤3-3：选取出判断为在预定角度范围的训练样本的参照光谱值，将该参照光谱值进行储存，并得到分区光谱值集合。

在本发明所提供的光谱重构方法，还具有这样的特征：其中，将待测样本的色相角H^*加上预设值后作为预定角度范围中的最大预定角度值，将待测样本的色相角H^*减去预设值后作为预定角度范围中的最小预定角度值。

在本发明所提供的光谱重构方法，还具有这样的特征：其中，步骤5根据光谱角度匹配公式对分区光谱值集合进行筛选，光谱角度匹配公式是：式中，θ分区光谱值与初级光谱值的夹角，t是分区光谱值集合中的每个光谱值，r是初级光谱值，根据光谱角度匹配方法的特性：夹角θ越小，光谱越相似，从分区光谱值集合中选择与初级光谱值相似的分区光谱值，从而得到筛选光谱值。

在本发明所提供的光谱重构方法，还具有这样的特征：其中，步骤4包括以下步骤：步骤4-1：根据主成分分析方法，从分区光谱值集合中得到至少三个主成分；步骤4-2：根据主成分的贡献率选取贡献率最大的三个主成分作为第一组主成分；步骤4-3：将第一组主成分代入重构公式中计算出初级光谱值，重构公式为：式中，v是分区光谱值集合对应的平均光谱反射率，v_i是分区光谱值减去平均光谱反射率后得到的第i个主成分，a_i表示第i个主成分对应的系数，r是初级光谱值。

发明的作用和效果

根据本发明所涉及的光谱重构方法，通过根据待测样本的色相角H^*，在参照光谱值集合中分选得到分区光谱值集合，通过从分区光谱值集合中选出最大的三个主成分(即第一组主成分)，然后计算出初级光谱值，另外，根据初级光谱值对分区光谱值进行筛选，将筛选光谱值进行主成分分析并选取最大的三个主成分(即第二组主成分)，最后计算出测试光谱值，所以本发明光谱重构方法的重构精度更高。

附图说明

图1是本发明的实施例中光谱重构方法的流程图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明光谱重构方法作具体阐述。

图1是本发明的实施例中光谱重构方法的流程图。

如图1所示，在本实施例中，光谱重构方法100用于根据孟塞尔颜色系统(即、训练样本集合)来重构计算待测物体(即、待测样本集合)的光谱值。在本方法中，采用孟塞尔颜色系统色块作为参照对象、即训练样本，通过分光光度计对训练样本进行采集得到参照光谱值。光谱重构方法100的具体步骤如下：

步骤S1,通过公式(1)计算训练样本集合的CIE XYZ值，

其中，k是调整因数，E(λ)是标准照明体的相对光谱功率分布， 是CIE 1964标准色度观察者光谱三刺激值，r(λ)是颜色物体的光谱反射率值。

根据公式(1)，物体颜色的三刺激值计算方法可用矩阵形式表示为公式(2)：

式中M为3×n的矩阵，M中的三行的向量分别为kE(λ)x(λ)、kE(λ)x(λ)、kE(λ)x(λ)的采样值；n为光谱采样间隔。

其中，训练样本的参照光谱值与训练样本的CIE色彩空间的CIE XYZ值相对应，然后，根据预定规则将训练样本集的CIE XYZ值转换成CIE L^*C^*H^*值，然后进入步骤S2。

步骤S2，获取待测样本对应的CIE色彩空间的CIE XYZ值，在本实施例中，通过数字图像设备获取待测样本的CIE XYZ值，然后进入步骤S3。

步骤S3，将待测样本集合中的CIE XYZ转换为CIE L^*C^*H^*值，然后进入步骤S4。

步骤S4，将训练样本集合中的参照光谱值进行动态分区，具体步骤如下：

步骤S4-1,根据待测样本集合中的每个待测样本的色相角H^*设定预定角度范围，在本实施例中，预定角度范围采用从(H^*值-15°)到(H^*值+15°)，然后进入步骤S4-2。

步骤S4-2，逐一判断训练样本集合中每个训练样本对应的色相角H^*是否在预定角度范围内，如果判断为是，将该色相角H^*值对应的参照光谱值进行储存，从而得到分区光谱值集合；如果判断为否，则不进行储存，然后进入步骤S5。

步骤S5，进行多光谱初级重构，具体步骤如下：

步骤S5-1，利用重构公式(3)对分区光谱值集合进行主成分分析，从而得到训练样本集合中的n个主成分：

其中，r初级光谱值，是分区光谱值集合对应的平均光谱反射率，v_i是分区光谱值集合减去平均光谱反射率后得到的第i个主成分，a_i表示第i个主成分对应的系数，然后进入步骤S5-2。

步骤S5-2，根据主成分累计贡献率(即每个主成分占所有主成分的总和的百分比)的大小来选取三个主成分作为第一组主成分，选择三个贡献率最大的主成分进行计算：将公式(3)带入公式(2)得到公式(4)和(5)，然后进入步骤S5-3，

步骤S5-3，将公式(5)带入公式(6),

计算得到初级光谱值r，然后进入步骤S6。

步骤S6，进行多光谱重构，具体步骤如下：

步骤S6-1,利用光谱角度匹配方法，对分区光谱值集合进行筛选，根据光谱角度匹配公式(7)可知，θ为分区光谱值与初级光谱值的夹角，夹角θ越小，两个光谱越相似，

式中，t是分区光谱值集合中的每个光谱值，r是式(6)得到的初级光谱值。

根据光谱角度匹配方法从分区光谱值集合中筛选出与初级光谱值相对应的分区光谱值，这些筛选出的分区光谱值组成筛选光谱值集合，然后进入步骤S6-2。

步骤S6-2，利用公式(3)对筛选光谱值集进行主成分分析，从而得到训练样本集合中的n个主成分，然后进入步骤S6-3。

步骤S6-3，根据主成分累计贡献率的大小来选取三个主成分即第二组主成分，该三个主成分为筛选光谱值中贡献率最大的三个，然后把该三个主成分作为第二第二组主成分带入公式(5)，最后将公式(5)代入公式(3)中进行计算，从而得到测试光谱值。

实施例的作用与效果

根据本实施例所涉及的光谱重构方法，通过根据待测样本的色相角H^*，在参照光谱值集合中分选得到分区光谱值集合，通过从分区光谱值集合中选出最大的三个主成分即第一组主成分，然后计算出初级光谱值，另外，根据初级光谱值对分区光谱值进行筛选，将筛选光谱值进行主成分分析并选取最大的三个主成分即第二组主成分，最后计算出测试光谱值，所以本实施例的光谱重构方法的重构精度更高。

在本实施例的光谱重构方法中，由于设定的预定角度范围是以待测样本的色相角H^*为中心的范围值，因此使得对参照光谱值的分区更加准确，重构得到的测试光谱值也更加可靠。

在本实施例的光谱重构方法中，由于采用光谱角度匹配法，并且依据初级光谱值对分区光谱值集合进行筛选，因此重构得到的测试光谱值的精度更高。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (5)

1.一种光谱重构方法，用于根据分别具有CIE色彩空间的CIE L^*C^*H^*值和参照光谱值的训练样本集合计算出待测样本集合的测试光谱值，其特征在于，包括以下步骤：

步骤1，获取所述待测样本的CIE色彩空间的CIE XYZ值；

步骤2，将所述待测样本的CIE XYZ值根据预定规则转换为CIE L^*C^*H^*值；

步骤3，根据所述待测样本的色相角H^*，对所述参照光谱值形成的参照光谱值集合中进行分选得到相对应地分区光谱值集合；

步骤4，根据主成分分析方法，在所述分区光谱值集合中选取贡献率大的三个主成分即第一组主成分，根据重构公式计算出初级光谱值；

步骤5，根据所述初级光谱值对所述分区光谱值集合中的分区光谱值进行选择，选取得到的筛选光谱值组成筛选光谱值集合；

步骤6，根据主成分分析方法，在所述筛选光谱值集合中选取贡献率大的三个主成分即第二组主成分，根据所述重构公式计算得到所述测试光谱值。

2.根据权利要求1所述的光谱重构方法，其特征在于：

其中，所述步骤3包括以下步骤：

步骤3-1：设定与所述待测样本的色相角H^*对应的预定角度范围；

步骤3-2：判断所述训练样本集合的所有色相角H^*是否在所述预定角度范围内；

步骤3-3：选取出判断为在所述预定角度范围的所述训练样本的所述参照光谱值，将该参照光谱值进行储存，并得到所述分区光谱值集合。

3.根据权利要求2所述的光谱重构方法，其特征在于：

其中，将所述待测样本的色相角H^*加上预设值后作为所述预定角度范围中的最大预定角度值，将所述待测样本的色相角H^*减去所述预设值后作为所述预定角度范围中的最小预定角度值。

4.根据权利要求1所述的光谱重构方法，其特征在于：

其中，所述步骤5根据光谱角度匹配公式对所述分区光谱值集合进行筛选，所述光谱角度匹配公式是：

$\mathrm{\θ}=\arccos \frac{tr}{\left|t\right|\left|r\right|}$

式中，θ所述分区光谱值与所述初级光谱值的夹角，t是所述分区光谱值集合中的每个光谱值，r是所述初级光谱值，

根据光谱角度匹配方法的特性：夹角θ越小，光谱越相似，从所述分区光谱值集合中选择与所述初级光谱值相似的分区光谱值，从而得到所述筛选光谱值。

5.根据权利要求1所述的光谱重构方法，其特征在于：

其中，所述步骤4包括以下步骤：

步骤4-1：根据主成分分析方法，从所述分区光谱值集合中得到至少三个主成分；

步骤4-2：根据所述主成分的贡献率选取贡献率最大的三个主成分作为所述第一组主成分；

步骤4-3：将所述第一组主成分代入所述重构公式中计算出所述初级光谱值，所述重构公式为：

$r=\stackrel{\‾}{v}+\underset{i=1}{\overset{n}{\Σ}}{a}_i{v}_i$

式中，是所述分区光谱值集合对应的平均光谱反射率，v_i是所述分区光谱值减去平均光谱反射率后得到的第i个所述主成分，a_i表示第i个所述主成分对应的系数，r是所述初级光谱值。