CN106053024A - 一种面向单色系物体的led光源喜好度预测方法 - Google Patents

Abstract

本发明提供一种面向单色系物体的LED光源喜好度预测方法，包括确定白光LED光源的各光源相关色温以及各单色系物体的主波长；建立基于单色系物体的LED光源喜好度预测模型，包括对于主波长为正值的单色系物体采用二维曲面插值的方式，对于主波长为负值的单色系物体采用一维线性插值的方式，建立LED光源喜好度数学模型；基于LED光源喜好度预测模型进行预测，根据预测结果确定应使用的最佳光源。本发明面向单色系物体的LED光源喜好度预测模型采用仪器测量和人体主观反映量化统计相结合的研究方法，将客观物理数据与主观感知判断相结合，能够全面、精确的预测观察者对单色系物体的LED光源喜好度。

Description

一种面向单色系物体的LED光源喜好度预测方法

技术领域

本发明属于LED智能照明领域，涉及一种面向单色系物体的LED光源喜好度预测方法。

背景技术

相对于传统照明光源，LED光源具有色光可变、发光效率高、耐久性强和节能环保等几大优势。近些年来，越来越多的研究人员、工程师、艺术家和设计师开始关注其在艺术设计领域的应用潜力，如室内外照明、展陈照明、家居生活、城市建设等。

目前，国内外很多学者对LED光源的主客观评价方法及应用进行了研究，并已提出了多种涉及光源评价及使用的理论方法。然而，在基于物体色彩差异的白光LED照明喜好的相关研究目前尚属空白。因此，亟待提出一种技术方案，更为准确的为人们对于不同色彩物体的照明喜好特性进行表征与预测，进而为不同色彩物体照明场景下的光源的使用提供指导，尤其是在单色系物体照明方面。

发明内容

本发明的目的是提供一种面向单色系物体的LED光源喜好度预测方法，填补在物体色彩差异情况下对白光LED照明进行喜好研究的空白，提供一种更为准确的对于不同色彩物体的照明喜好特性进行表征与预测的方法。

本发明所采用的技术方案是一种面向单色系物体的LED光源喜好度预测方法，包括以下步骤：

步骤1，通过测量不同LED光源光谱功率分布及各单色系物体光谱反射率，确定白光LED光源的各光源相关色温以及各单色系物体的主波长；

步骤2，建立基于单色系物体的LED光源喜好度预测模型，实现方式如下，

设单色系物体数目为I，设光源色温数目为J，第j种光源相关色温和第i种单色系物体的主波长组合记为照明物体组合Z_ci,kj；输入若干视觉正常的观察者在标准环境下对各照明物体组合的喜好度评分，进行归一化处理如下，

M_ci,kj＝T_ci,kj÷(T_ci,k1+T_ci,k2+…+T_ci,kJ)

其中，T_ci,kj为所有观察者在照明物体组合Z_ci,kj下主观评价得分的总和，M_ci,kj为照明物体组合Z_ci,kj下观察者主观喜好度的归一化得分；

对于主波长为正值的单色系物体采用二维曲面插值的方式，对于主波长为负值的单色系物体采用一维线性插值的方式，基于单色系物体的主波长、白光LED光源的相关色温与观察者主观喜好度的归一化得分，建立LED光源喜好度数学模型；

步骤3，基于步骤2所得面向单色系物体的LED光源喜好度预测模型，对待观察单色系物体进行LED光源喜好度预测，根据预测结果确定应使用的最佳光源，实现方式为，确定目标LED光源的相关色温，测量计算待观察单色系物体的主波长，根据主波长的正负值，相应运用步骤2所得基于一维线性插值或二维曲面插值的LED光源喜好度预测模型，得到观察者对于LED光源喜好度的预测值。

而且，步骤2中，对于主波长为负值的单色系物体采用一维线性插值的方式建立LED光源喜好度数学模型，实现方式如下，对于主波长为负值的各单色系物体，设J种LED光源相关色温记为X₁,X₂.....X_J，相应归一化得分记为Y₁,Y₂.....Y_J，分别以点(X_j,Y_j)为已知的离散点，采用一维线性插值建模得到预测曲线函数。

而且，步骤2中，对于主波长为正值的单色系物体采用二维曲面插值的方式建立LED光源喜好度数学模型，实现方式如下，

设所求观察者主观喜好度函数为Z(x,y)，

设主波长x_i在相关色温y_i下的归一化得分为Z(x_i,y_j)，设有K种正的主波长，构造一个简单函数作为Z(x,y)的近似表达式，使得

其中，K小于等于I。

本发明的有益效果是，提供面向单色系物体的LED光源喜好度预测方法，采用仪器测量和人体主观反映量化统计相结合的研究方法，将客观物理数据与主观感知判断相结合，能够全面、精确的预测观察者在单色系物体下的LED光源喜好度，更为准确的为人们对于不同色彩物体的照明喜好特性进行表征与预测，进而为不同色彩物体照明场景下的光源的使用提供理论指导，尤其是在单色系物体照明方面。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.国家自然科学基金青年项目(61505149)，2.湖北省自然科学基金面上项目(2015CFB204)，3.华南理工大学制浆造纸工程国家重点实验室开放基金(201528)，4.深圳市基础研究项目(JCYJ20150422150029093)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，具有重要的市场价值。

附图说明

图1为本发明实施例的流程图。

图2是本发明实施例中实验视觉环境几何条件示意图。

图3是本发明实施例中负数主波长下的主观得分预测模型图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

如图1所示实施例的流程图提供的一种面向单色系物体的LED光源喜好度预测方法，具体按照以下步骤实施：

步骤1，通过测量不同LED光源光谱功率分布及各类具有代表性的单色系物体光谱反射率，确定白光LED光源的各光源相关色温以及各单色系物体的主波长。

实施例采用光谱辐射度计对白光LED光源光谱功率分布和单色系物体的光谱反射率信息进行采集；根据所得数据，可以确定LED光源的相关色温及代表单色系物体颜色特征的主波长。

实施例具体实施方式如下：

1)设单色系物体数目为I，本实施例采集市售仿真卡纸纸花为实验样本，即8种不同颜色花束，分别是紫色、蓝色、薄荷绿色、绿色、黄色、橙色、粉红色和红色，I＝8，每种颜色花束各有五朵。

2)设光源色温数目为J，本实施例为便于后续建模起见，选用Philips Hue智能LED作为实验光源，通过Hue Light混合驱光软件调节智能LED光源发光，并保持照度200勒克斯不变(采用testo545照度计测量)，调节出5种光源的相关色温依次为2500K、3500K、4500K、5500K、6500K，J＝5。第j种光源的相关色温可视为第j种光源，j＝1,2,…J。

3)在暗室中对光源及实验样本光谱信息进行采集，本实施例中，采集光源光谱信息时，将标准白板放置在标准灯箱Macbeth SpectralⅢX-rite内(60cm×66cm×89cm，灯箱四周和底部均为中性灰)，LED光源垂直放置于标准白板上方40cm，并以0°/60°照明和观察条件进行测量，由此可获得5种光源的光谱功率分布及相关色温；采集实验样本光谱信息时，将标准白板换成彩色花束，其他测量条件不变，通过光谱扫描辐射度计PR705测得各彩色花束380nm-780nm的光谱反射率曲线，为避免长短波区域测量噪声对实验结果的影响，截取400-700nm波长范围的数据用于后续分析，然后在CIE1931XYZ系统标准色度观察者下以10nm间隔计算得到各颜色花束的色品坐标，最后在色品坐标的基础上运用色度学公式计算得到各颜色花束的主波长，具体实施时上述计算过程也可采用MATLAB软件实现，各颜色花束的主波长如表1所示。

表1各色花束主波长

步骤2，输入人体主观反映量化统计结果，包括预先依据心理物理学，得到观察者对“照明--物体”组合的不同喜好度得分，并将喜好度得分进行归一化的结果，结合步骤1所得的各光源相关色温以及各单色系物体主波长建立基于单色系物体的LED光源喜好度预测模型。

本发明提出，将各个LED光源的相关色温和各单色系物体的主波长分别进行组合，得到不同的“照明--物体”组合，第j种光源相关色温kj和第i种单色系物体ci的主波长的组合可记为照明物体组合Z_ci,kj；具体实施时，可以预先邀请不少于50位视觉正常的观察者在标准环境下对“照明--物体”组合进行喜好度评分，并将评分进行归一化处理，用作建模数据；根据所得数据，可以进行分析，包括根据单色系物体主波长不同的数学取值特性，运用不同的建模方法，即主波长为正值时采用二维曲面插值建模，主波长为负值时采用一维线性插值建模，最终建立面向单色系物体的LED光源喜好度预测方法。

实施例具体实施如下：

1)在暗室中进行实验，观察者坐在灯箱前以60°的观察角度进行观察，LED光源及实验样本的放置与步骤1中的放置一致，实验视觉环境几何条件示意图如图2所示，其中灯箱长宽均为60cm，高为95cm，LED光源垂直放置于标准白板上方40cm，；实验时光源以90°进行垂直照射，观察者以60°进行观察。

2)实验选取100名视觉正常的观察者，每个观察者进行实验时，进行同样的处理：实验开始前进行3分钟的暗适应。实验时，首先要求观察者观察随机顺序的上述5种LED光源(相关色温分别为2500K、3500K、4500K、5500K、6500K，调试每两种不同色温之间间隔10-15秒)，使观察者初步了解5种光源。然后开始进行一种颜色的统计，包括随机选择一种颜色花束放在灯箱平台，同时随机顺序调节5种光源(调试每两种不同光源之间间隔20秒)，观察者分别说出对各个色温光源的喜欢程度(5分为最喜欢，1分为最不喜欢，以此类推)，由实验人员记录打分情况。每种相关色温的光源仅调试一遍。然后随机更换另一种颜色花束，更换时关闭光源(10-15秒)让测试者闭眼稍作休息，重复上述处理进行当前这种颜色的统计(观察每种颜色花束时的LED光源播放顺序相同)，直至对最后一种颜色花束统计完成。

3)对观察者的喜好度得分进行归一化处理。归一化公式如下：

M_ci,kj＝T_ci,kj÷(T_ci,k1+T_ci,k2+…+T_ci,kJ) (1)

其中，T_ci,kj为所有观察者在照明物体组合Z_ci,kj下主观评价得分的总和，M_ci,kj为照明物体组合Z_ci,kj下观察者主观喜好度的归一化得分。实施例中，ci表示不同颜色花束(i∈[1,8]，i从1至8按升序排列分别代表紫色、蓝色、薄荷绿色、绿色、黄色、橙色、粉红色、红色花束，即按照主波长升序排列)，kj表示不同的光源(此时j∈[1,5],j从1至5按升序排列分别代表2500K、3500K、4500K、5500K、6500K)，T_ci,kj为所有观察者在第i种花束第j种光源的“照明—物体”组合下主观评价得分的总和，M_ci,kj为第i种花束第j种光源的“照明—物体”组合所得的归一化得分，实施例中的归一化公式即为M_ci,kj＝T_ci,kj÷(T_ci,k1+T_ci,k2+T_ci,k3+T_ci,k4+T_ci,k5，表2为不同“照明—物体”组合下喜好度归一化得分情况。

表2喜好度归一化得分情况

4)本实施例中，对于主波长为正值的颜色花束采用二维曲面插值的方法，主波长为负值的颜色花束采用一维线性插值的方法；为颜色物体主波长、白光LED光源相关色温与观察者主观喜好度归一化得分三者建立数学模型，即LED光源喜好度数学模型。

本发明提出对于主波长为负值的单色系物体采用一维线性插值的方式建立LED光源喜好度数学模型。一维线性插值描述的是根据数据的分布规律，已知离散点上的数据集(即已知点集{X}所对应的函数值{Y})，在数据点集(即函数值{Y})之间构造一个解析函数(其图形为曲线)，该曲线通过这些点，由此能够求出这些离散点之间的其他值。公式为：

$Y=\frac{X-X_b}{X_a-X_b}{Y}_a+\frac{X-X_a}{X_b-X_a}{Y}_b$

其中，点(X_a,Y_a)，(X_b,Y_b)是两个已知的离散点，点(X,Y)是这两点之间通过插值的方式所求到的点。

对于主波长为负值的各单色系物体，分别可设J种LED光源相关色温记为X₁,X₂.....X_J，相应归一化得分记为Y₁,Y₂.....Y_J，分别以点(X_j,Y_j)为已知的离散点，采用一维线性插值建模得到预测曲线函数，j＝1,2,…J。

例如，由于紫色花束的主波长为负值，故对其使用一维插值的方法进行单独建模分析，设5种LED光源相关色温记为X₁,X₂.....X₅，针对紫色花束的5种相应主观归一化得分记为Y₁,Y₂.....Y₅，以点(X_j,Y_j)为已知的离散点，j＝1,2,3,4,5，可得出主波长为负值的预测图，如图3所示，横坐标为相关色温X，纵坐标Y为主观得分，图中5个圆点为观察者实验主观得分，线条表示采用一维线性插值建模得到的预测曲线函数，由图3可知，实验主观得分与模型预测得分重合，说明该模型在主波长为负值的紫色区域具有较高的预测精度。

二维曲面插值描述的是在离散的数据之间插入符合的值，最终找到离散数据之间的相互联系，即由实验或测量的方法得到所求函数y＝f(x)在互异点x₁,x₂.....x_n处的y₁,y₂.....y_n值,并构造一个简单函数作为函数y＝f(x)的近似表达式：使得：

上式中，n为互异点的数目，称为插值函数，该函数常取多项式或分段多项式。

本实施例中，采用5种不同颜色花束(黄色、绿色、红色、橙色、蓝色)作为建模样本,利用二维曲面插值为花束主波长、白光LED光源相关色温与观察者主观喜好度归一化得分三者建立数学模型。在所求观察者主观喜好度函数Z(x,y)中，5种花束主波长(记为x₁,x₂.....x₅)、5种LED光源相关色温(记为y₁,y₂.....y₅)为互异点。x,y分别表示主波长和色温。

通过在Z(x_i,y_i)与Z(x_i+1,y_i+1)之间进行二维曲面插值可以构造数学模型。

设主波长x_i在相关色温y_i下的归一化得分为Z(x_i,y_j)，设有K种正的主波长，K小于等于I，构造一个简单函数作为Z(x,y)的近似表达式：使得：

实施例中，i＝1,2,3,4,5，j＝1,2,3,4,5。

表3所示为上述二维曲面拟合插值方法对于5种颜色花束样本在5种LED光源相关色温下所建立的预测模型的拟合精度，其平均拟合误差仅为0.26％，可见本实例建立的模型具有理想的曲面拟合精度。同时，本实施例以粉红色和薄荷绿两色花束为检验样本，对使用二维曲面插值方法建立的LED光源喜好度预测模型进行误差分析，结果如表5所示，其预测综合误差在3.5％左右，同时说明本发明建立的模型预测精度高。

表3二维曲面插值拟合建模误差

表4检验样本误差分析

步骤3，在已建立的面向单色系物体的LED光源喜好度预测模型的基础上，可对单色系物体进行LED光源喜好度预测，根据预测结果确定应使用的最佳光源，实现方式如下：

1)采用光谱辐射度计对目标LED光源进行光谱功率分布测量，由光谱功率分布数据计算得出光源的相关色温，亦可直接查看目标LED光源相关参数，得到其相关色温。实施例中，之前建模时所用的LED光源为一个Philips Hue智能LED灯泡的5种不同相关色温，即一种光源的多种色温。在实际预测中，目标LED光源可以是一种光源的多种色温，也可以是多种光源分别的多种色温，均适用于本发明所提供的方法，能够利用已建立的模型进行预测。

2)采用光谱扫描辐射度计对待观察单色系物体进行测量，得到待观察单色系物体380nm-780nm的光谱反射率曲线，为避免长短波区域测量噪声对预测结果的影响，截取400-700nm波长范围的数据用于计算主波长。然后在CIE1931XYZ系统标准色度观察者下以10nm间隔计算得到待观察单色系物体的色品坐标，最后在色品坐标的基础上运用色度学公式计算得到待观察单色系物体的主波长。

3)将上述2)所得数据作为输入值，根据待观察单色系物体主波长的正负值，选择步骤2所得基于一维线性插值或二维曲面插值的LED光源喜好度预测模型，即可得到观察者对于各目标LED光源喜好度的预测值，该预测值具有归一化特点，取值范围为[0,1]。预测值越高，越应当根据相关色温选择为最佳光源。

本发明所建立面向单色系物体的LED光源喜好度预测方法是一个在单色条件下具有较高预测精度的方法，可以采用软件方式实现自动预测，在单色系物体照明需求下(如商场照明、家庭照明和艺术工作照明等领域)，结合物体自身色彩特性，针对性的使用具有较高预测度对应相关色温的光源将为观察者带来更好的视觉感受，可为各个单色系物体照明领域提供借鉴与指导。

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 (3)

1.一种面向单色系物体的LED光源喜好度预测方法，其特征在于，包括以下步骤：

步骤1，通过测量不同LED光源光谱功率分布及各单色系物体光谱反射率，确定白光LED光源的各光源相关色温以及各单色系物体的主波长；

步骤2，建立基于单色系物体的LED光源喜好度预测模型，实现方式如下，

设单色系物体数目为I，设光源色温数目为J，第j种光源相关色温和第i种单色系物体的主波长组合记为照明物体组合Z_ci，kj；输入若干视觉正常的观察者在标准环境下对各照明物体组合的喜好度评分，进行归一化处理如下，

M_ci,kj＝T_ci,kj÷(T_ci,k1+T_ci,k2+…+T_ci,kJ)

其中，T_ci,kj为所有观察者在照明物体组合Z_ci,kj下主观评价得分的总和，M_ci,kj为照明物体组合Z_ci,kj下观察者主观喜好度的归一化得分；

对于主波长为正值的单色系物体采用二维曲面插值的方式，对于主波长为负值的单色系物体采用一维线性插值的方式，基于单色系物体的主波长、白光LED光源的相关色温与观察者主观喜好度的归一化得分，建立LED光源喜好度数学模型；

步骤3，基于步骤2所得面向单色系物体的LED光源喜好度预测模型，对待观察单色系物体进行LED光源喜好度预测，根据预测结果确定应使用的最佳光源，实现方式为，

确定目标LED光源的相关色温，测量计算待观察单色系物体的主波长，根据主波长的正负值，相应运用步骤2所得基于一维线性插值或二维曲面插值的LED光源喜好度预测模型，得到观察者对于LED光源喜好度的预测值。

2.根据权利要求1所述面向单色系物体的LED光源喜好度预测方法，其特征在于：步骤2中，对于主波长为负值的单色系物体采用一维线性插值的方式建立LED光源喜好度数学模型，实现方式如下，

对于主波长为负值的各单色系物体，设J种LED光源相关色温记为X₁,X₂.....X_J，相应归一化得分记为Y₁,Y₂.....Y_J，分别以点(X_j,Y_j)为已知的离散点，采用一维线性插值建模得到预测曲线函数。

3.根据权利要求1所述面向单色系物体的LED光源喜好度预测方法，其特征在于：步骤2中，对于主波长为正值的单色系物体采用二维曲面插值的方式建立LED光源喜好度数学模型，实现方式如下，

设所求观察者主观喜好度函数为Z(x,y)，

设主波长x_i在相关色温y_i下的归一化得分为Z(x_i,yj)，设有K种正的主波长，构造一个简单函数作为Z(x,y)的近似表达式，使得

其中，K小于等于I。