CN108520488A - 一种重构光谱并进行复制的方法以及电子设备 - Google Patents
一种重构光谱并进行复制的方法以及电子设备 Download PDFInfo
- Publication number
- CN108520488A CN108520488A CN201810314254.9A CN201810314254A CN108520488A CN 108520488 A CN108520488 A CN 108520488A CN 201810314254 A CN201810314254 A CN 201810314254A CN 108520488 A CN108520488 A CN 108520488A
- Authority
- CN
- China
- Prior art keywords
- sample
- channel
- response
- reconstructed
- training sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公一种重构光谱并进行复制的方法以及电子设备,方法包括步骤:选取多通道图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;选取多通道图像上的待重建色块并提取所述待重建色块各通道的响应值;通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;采用插值法预测系数矩阵;将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;根据所述重构光谱对待重建色块进行复制。这样复制得到的图像颜色原图像的颜色更加接近。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种重构光谱并进行复制的方法以及电子设备。
背景技术
现代颜色科学理论认为:物体表面光谱反射率是最真实客观的颜色表征方式,基于光谱的颜色表征与复制方法可有效解决传统的基于色度学的颜色复制中存在的颜色失真以及同色异谱等问题,从而实现原稿颜色信息的准确获取。多通道光谱成像是指通过对物体的反射光谱进行宽带或窄带重采样,得到可见光范围内的多通道(大于3)图像数据,并将图像上每一个像素处的多通道响应值重构为光谱反射率信息的技术,也称多光谱成像技术。该技术可实现图谱合一,可解决常用光度计因测量窗口过大而无法测量细节处颜色信息的问题。近年来,该方法已在高保真复制、文物艺术品数字化典藏与修复、纺织印染和远程医疗等行业广泛应用。
光谱重构是多光谱成像技术的最终目标。常见的典型光谱重建算法有伪逆法、维纳法、R矩阵法、插值法、回归法以及神经网络和遗传算法等模式识别相关算法。但由于噪声干扰和通道数选择不当,复制得到的图像颜色不够精确,并且无法获取细节处颜色信息。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一种重构光谱并进行复制的方法以及电子设备,旨在解决到复制得到图像颜色不够精确,并且无法获取细节处颜色信息问题。
本发明的技术方案如下:一种重构光谱并进行复制的方法,其包括步骤:
选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
根据所述重构光谱对待重建色块进行复制。
优选的,所述通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本的步骤具体包括:
计算待重建色块各通道的响应值与训练样本集中样本各通道的所有响应值的夹角余弦值以及对应的均方根误差值;
将得到的夹角余弦值从大到小进行排序,取排序靠前的若干个夹角余弦值,并获取对应的均方根误差值,并根据其中最小的均方根误差值在所述训练样本集中选取匹配的目标样本。
优选的,所述夹角余弦值的计算公式为:其中,e表示夹角余弦值,Ck×i表示所述训练样本集中样本各通道的所有响应值,Di表示所述待重建色块各通道的响应值,k表示样本编号,i表示通道数目。
优选的,所述均方根误差值的计算公式为:其中,rmse表示均方根误差值,Ck×i表示所述训练样本集中样本各通道的所有响应值,Di表示所述待重建色块各通道的响应值,k表示样本编号,i表示通道数目。
优选的,所述训练样本集中样本各通道的响应值与亮度值的线性相关系数和/或所述待重建色块各通道的响应值与亮度值的线性相关系数大于0.99。
优选的,所述采样矩阵为波长400nm至700nm每间隔10nm采样一次的31维矩阵。
优选的,所述插值法为三次样条插值法。
本发明还提供一种电子设备,其包括:
处理器,适于实现各指令,以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行,适于实现各指令:
选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
根据所述重构光谱对待重建色块进行复制。
优选的,所述多通道样本图像和/或多通道待重建图像通过一成像系统进行成像,所述成像系统包括单阵列传感器以及多通道光源。
优选的,所述多通道光源为多通道LED光源。
有益效果:通过本发明得到的图像颜色原图像的颜色更加接近,并且能够获取原图像中的细节信息。本发明无需复杂的迭代运算,计算耗时短,可时时保证重建光谱的有界性,并可保证重构光谱反射率的精度、非负性等。
附图说明
图1为本发明根据重构光谱对待重建色块进行复制的方法较佳实施例的流程图。
具体实施方式
本发明提供一种重构光谱并进行复制的方法以及电子设备,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,一种重构光谱并进行复制的方法,其包括步骤:
S1、选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
S2、选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
S3、通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
S4、计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
S5、将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
S6、将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
S7、根据所述重构光谱对待重建色块进行复制。
通过本发明得到的重构光谱的反射率精度更高,非负性和有界性更好,通过该重构光谱复制得到的重建图像,颜色与训练样本中的更加的接近,并且本发明提供的方法无复杂的迭代运算、计算速度快和效率高,能在工业上推广使用。
优选的,所述多通道图像在色卡ColorChecker Digital SG和ColorChecker 24中采集。
在进行计算重构光谱之前需要对多通道图像进行采集。所述多通道图像表示同一个相机在不同时刻拍摄的同一场景的图像,换句话说,使用同样的相机对同一场景进行多次拍摄得到多通道图像。所述ColorChecker Digital SG与ColorChecker 24均为标准色卡,色卡上的每一个色块对应精确的数据标准。其中,所述ColorChecker Digital SG共140个色块,也就是说ColorChecker Digital SG上有140种颜色,所述ColorChecker共有24个色块,那么ColorChecker共有24种颜色。通过相机或者其他能获取采集图像的设备在所述ColorChecker Digital SG与ColorChecker 24中分别采集多通道图像,通道数可以为3、5或者8等等,所述通道数即为拍摄的次数。
采集图像时,选择清晰、无明显的几何形变的多通道图像。在MATLAB平台上读取多通道图像,并定义多通道图像中的训练样本集以及待重建色块,所述训练样本集与待重建色块既可以在同一图像上,也可以在不同的图像上。也就是说,根据用户自身的需要,可以自由定义训练样本集和待重建色块。
在所述步骤S1中,将所述训练样本集中样本各通道的响应值记录为矩阵Ci,其中i表示通道数目,其中,Ci=[c1 c2 … ci]。
所述步骤S2中,将所述待重建色块各通道的响应值记录为矩阵Di,同样,i表示通道数目,其中,Di=[d1 d2 … di]。
特别的,所述矩阵Ci与所述矩阵Di的通道数一致,方便进行后续的计算。
优选的,所述训练样本集中样本各通道的响应值与亮度值的线性相关系数和/或所述待重建色块各通道的响应值与亮度值的线性相关系数大于0.99。
优选的,所述步骤S3具体包括:
S31、计算待重建色块各通道的响应值与训练样本集中样本各通道的所有响应值的夹角余弦值以及对应的均方根误差值;
S32、将得到的夹角余弦值从大到小进行排序,取排序靠前的若干个夹角余弦值,并获取对应的均方根误差值,并根据其中最小的均方根误差值在所述训练样本集中选取匹配的目标样本。
所述步骤S31中,通过公式计算所述夹角余弦值;通过公式计算所述均方根误差,其中e表示夹角余弦值,Ck×i表示所述训练样本集中样本各通道的所有响应值,rmse表示均方根误差值,其中,k表示样本编号,i表示通道数目。
也就是说,将待重建色块各通道的响应值视为一维矩阵,分别计算Di与训练样本集中所有样本Ck×i的夹角余弦值e和均方根误差值rmse。
所述夹角余弦值也就是余弦相似度,又称为余弦相似性,当所述夹角余弦值越接近于1,两者的方向更加吻合,也就是越相似。所述均方根误差则是标准误差,均方根误差用来衡量观测值同真值之间的偏差的一个物理量。
所述步骤S32中,将计算得到的所有夹角余弦值按照从大到小进行排序,取排序靠前的若干个夹角余弦值,例如,前5个,前7个,前8个等等,如果选择排序靠前的5个夹角余弦值,则获取这5个夹角余弦值分别对应的训练样本集中5个样本并获取其样本编号,根据该样本编号获取对应的均方根误差,选择其中最小的均方根误差,并根据最小的均方根误差在所述5个样本中选取匹配的目标样本。
优选的,所述采样矩阵为波长400nm至700nm每间隔10nm采样一次的31维矩阵。
在进行光谱重构时,取400nm~700nm即可。所述采样矩阵具体为:
[400 410 420 430 …… 650 660 670 680 690 700],一共31维。
优选的,所述插值法为三次样条插值法。所述插值法又称“内插法”,是利用函数f(x)在某区间中已知的若干点的函数值,作出适当的特定函数,在区间的其他点上用这特定函数的值作为函数f(x)的近似值。常用的插值法包括Lagrange插值法、分段线性插值法、Hermite插值以及三次样条插值法。通过多次实验发现,当采用三次样条插值法时,获取得到的重构光谱的反射率的精度更高,技术效果更好。
本发明还提供一种电子设备,其包括:
处理器,适于实现各指令,以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行,适于实现各指令:
选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
根据所述重构光谱对待重建色块进行复制。
优选的,所述多通道样本图像和/或多通道待重建图像通过一成像系统进行成像,所述成像系统包括单阵列传感器以及多通道光源。其中的单阵列传感器以及多通道光源为成像系统的核心元件,当然所述成像系统还包括其他装置,例如镜头、机身、云台、导轨等,这些成像系统的具体内容在现有技术中已有诸多案例,故不再赘述。
优选的,所述多通道光源为多通道LED光源。
关于电子设备如何对图像进行处理,在将通过具体的实施例详细描述。
下面通过具体的实施例对本发明做进一步的说明。
本实施例中的多通道图像通过单阵列传感器和多通道LED光源构成的多光谱成像系统获取,具体的,通过上述中的成像系统在ColorChecker Digital SG与ColorChecker24色卡中分别采集训练样本集和待重建色块。其中,所述LED光源的通道数量为7,各通道光源的中心波长分别是410nm、470nm、505nm、530nm、590nm、627nm以及655nm。
计算各通道的响应值与亮度值之间的线性相关系数,本实施例中的各通道的响应值与亮度值之间的线性相关系数如下表1所示:
表1
通道数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
R2 | 0.9997 | 0.9998 | 0.9993 | 0.9995 | 0.9997 | 0.9984 | 0.9964 |
表中的R2表示线性相关系数,根据表1,可以确定本实施例中的各个线性相关系数均大于0.99,也就是说,本实施例各通道的图像均能通过本发明提供的方法计算重构光谱。
紧接着,将ColorChecker Digital SG标准色卡中的140个色块作为训练样本集,提取训练样本集中所有色块的响应值,并测量各色块的光谱反射率。将所述训练样本集中所有色块的响应值记录为矩阵Ci,此时,i等于7。将ColorChecker 24标准色卡上的24个色块视为待重建色块,并提取待重建色块中所有色块的响应值,并记录为矩阵Di,同样,i等于7。
将矩阵Ci矩阵Di视为一维矩阵,通过公式计算一维矩阵Di中每一元素与一维矩阵Ci所有元素的夹角余弦值以及均方根误差值。
计算公式分别如下:
将得到的夹角余弦值按照从大到小进行排序,选择排序后前5个夹角余弦值,并选择排序后的5个夹角余弦值中对应均方根误差最小的训练样本,将该样本作为目标样本,并根据目标样本的编号m从训练样本集中提取相应的光谱反射率rm以及响应值Cm×i。也就是说,针对每个待重建色块,将对应计算出的e从大到小排列,取排序后的前5个样本,再从中挑出rmse值最小的样本,保存样本在训练样本集中的编号m(1≤m≤140)。根据该编号提取其光谱反射率rm和响应值Cm×i。
计算矩阵Di与Cm×i各通道的比值,并将所述比值记录为pi,那么
将各通道光源的中心波长记录为矩阵:
yi=[410 470 505 530 590 627 655],将采样矩阵记录为t,采样矩阵在前文已有详述,具体为400nm到700nm可见光谱范围内每隔10nm采样,维度为31,以yi和t为自变量,所述比值pi为因变量,采用三次样条插值法预测其系数矩阵,将得到的系数矩阵记录为q。在MATLAB上,系数矩阵q实现公式为:q=interp1(yi,pi,t,'cubic')。
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱,将重构光谱记录为那么
最后根据重构光谱进行图像复制。
通过本发明提供的方法得到的图像与原图像的颜色更加的接近,并且能获取原图像细节的颜色信息。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种重构光谱并进行复制的方法,其特征在于,其包括步骤:
选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
根据所述重构光谱对待重建色块进行复制。
2.根据权利要求1所述重构光谱并进行复制,其特征在于,所述通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本的步骤具体包括:
计算待重建色块各通道的响应值与训练样本集中样本各通道的所有响应值的夹角余弦值以及对应的均方根误差值;
将得到的夹角余弦值从大到小进行排序,取排序靠前的若干个夹角余弦值,并获取对应的均方根误差值,并根据其中最小的均方根误差值在所述训练样本集中选取匹配的目标样本。
3.根据权利要求2所述重构光谱并进行复制,其特征在于,所述夹角余弦值的计算公式为:其中,e表示夹角余弦值,Ck×i表示所述训练样本集中样本各通道的所有响应值,Di表示所述待重建色块各通道的响应值,k表示样本编号,i表示通道数目。
4.根据权利要求2所述重构光谱并进行复制,其特征在于,所述均方根误差值的计算公式为:其中,rmse表示均方根误差值,Ck×i表示所述训练样本集中样本各通道的所有响应值,Di表示所述待重建色块各通道的响应值,k表示样本编号,i表示通道数目。
5.根据权利要求1所述重构光谱并进行复制,其特征在于,所述训练样本集中样本各通道的响应值与亮度值的线性相关系数和/或所述待重建色块各通道的响应值与亮度值的线性相关系数大于0.99。
6.根据权利要求1所述重构光谱并进行复制的方法,其特征在于,所述采样矩阵为波长400nm至700nm每间隔10nm采样一次的31维矩阵。
7.根据权利要求1所述重构光谱并进行复制的方法,其特征在于,所述插值法为三次样条插值法。
8.一种电子设备,其特征在于,包括:
处理器,适于实现各指令,以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行,适于实现各指令:
选取多通道样本图像上的训练样本集,测试所述训练样本集中样本的光谱反射率,以及提取所述训练样本集中样本各通道的响应值;
选取多通道待重建图像上的待重建色块并提取所述待重建色块各通道的响应值;
通过对所述训练样本集中样本各通道的响应值与所述待重建色块各通道的响应值的比较,从所述训练样本集中选取匹配的目标样本;
计算所述训练样本集中样本各通道的响应值与目标样本各通道的响应值的比值;
将各通道光源的中心波长记为波长矩阵,将可见光谱的波长范围进行分隔并作为采样矩阵,以波长矩阵和采样矩阵为自变量,所述比值为因变量,采用插值法预测其系数矩阵;
将目标样本的光谱反射率与系数矩阵的元素分别相乘得到重构光谱;
根据所述重构光谱对待重建色块进行复制。
9.根据权利要求8所述的电子设备,其特征在于,所述多通道样本图像和/或多通道待重建图像通过一成像系统进行成像,所述成像系统包括单阵列传感器以及多通道光源。
10.根据权利要求9所述的电子设备,其特征在于,所述多通道光源为多通道LED光源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810314254.9A CN108520488B (zh) | 2018-04-10 | 2018-04-10 | 一种重构光谱并进行复制的方法以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810314254.9A CN108520488B (zh) | 2018-04-10 | 2018-04-10 | 一种重构光谱并进行复制的方法以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108520488A true CN108520488A (zh) | 2018-09-11 |
CN108520488B CN108520488B (zh) | 2022-06-24 |
Family
ID=63432313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810314254.9A Active CN108520488B (zh) | 2018-04-10 | 2018-04-10 | 一种重构光谱并进行复制的方法以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520488B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110926609A (zh) * | 2019-10-22 | 2020-03-27 | 齐鲁工业大学 | 一种基于样本特征匹配的光谱重建方法 |
CN111537447A (zh) * | 2019-05-29 | 2020-08-14 | 上海出版印刷高等专科学校 | 光谱重建方法、印刷质量的评估方法、系统及电子设备 |
CN112304897A (zh) * | 2020-09-14 | 2021-02-02 | 中国人民解放军战略支援部队航天工程大学 | 一种用于燃烧场二维重建的光谱选择方法和系统 |
CN113340816A (zh) * | 2021-05-26 | 2021-09-03 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
CN113538285A (zh) * | 2021-07-23 | 2021-10-22 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
CN113554578A (zh) * | 2021-07-23 | 2021-10-26 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
CN115060364A (zh) * | 2022-07-13 | 2022-09-16 | 剑桥大学南京科技创新中心有限公司 | 一种光谱建立的方法及设备 |
CN115235628A (zh) * | 2022-05-17 | 2022-10-25 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
CN113554578B (zh) * | 2021-07-23 | 2024-05-31 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7554586B1 (en) * | 1999-10-20 | 2009-06-30 | Rochester Institute Of Technology | System and method for scene image acquisition and spectral estimation using a wide-band multi-channel image capture |
US20110282613A1 (en) * | 2010-05-11 | 2011-11-17 | Xerox Corporation | Characterization of a model-based spectral reflectance sensing device |
CN104634745A (zh) * | 2015-01-29 | 2015-05-20 | 上海理工大学 | 光谱重构算法 |
CN104634451A (zh) * | 2015-02-11 | 2015-05-20 | 武汉大学 | 基于多通道成像系统的光谱重建方法及系统 |
CN106780423A (zh) * | 2017-01-12 | 2017-05-31 | 清华大学 | 一种基于少数波段高分图像与低分高光谱图像的高质量光谱重建方法 |
CN106896069A (zh) * | 2017-04-06 | 2017-06-27 | 武汉大学 | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 |
CN107643267A (zh) * | 2017-09-01 | 2018-01-30 | 武汉大学 | 一种基于可见光谱成像的古代壁画颜料无损全面识别方法 |
-
2018
- 2018-04-10 CN CN201810314254.9A patent/CN108520488B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7554586B1 (en) * | 1999-10-20 | 2009-06-30 | Rochester Institute Of Technology | System and method for scene image acquisition and spectral estimation using a wide-band multi-channel image capture |
US20110282613A1 (en) * | 2010-05-11 | 2011-11-17 | Xerox Corporation | Characterization of a model-based spectral reflectance sensing device |
CN104634745A (zh) * | 2015-01-29 | 2015-05-20 | 上海理工大学 | 光谱重构算法 |
CN104634451A (zh) * | 2015-02-11 | 2015-05-20 | 武汉大学 | 基于多通道成像系统的光谱重建方法及系统 |
CN106780423A (zh) * | 2017-01-12 | 2017-05-31 | 清华大学 | 一种基于少数波段高分图像与低分高光谱图像的高质量光谱重建方法 |
CN106896069A (zh) * | 2017-04-06 | 2017-06-27 | 武汉大学 | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 |
CN107643267A (zh) * | 2017-09-01 | 2018-01-30 | 武汉大学 | 一种基于可见光谱成像的古代壁画颜料无损全面识别方法 |
Non-Patent Citations (3)
Title |
---|
FARHAD MOGHAREH ABED,ET AL: "Reconstruction of reflectance data using an interpolation technique", 《• JOURNAL OF THE OPTICAL SOCIETY OF AMERICA》 * |
李婵 等: "基于主成分分析的光谱重建训练样本选择方法研究", 《光谱学与光谱分析》 * |
杨萍 等: "一种离散点插值算法用于重建光谱反射率", 《光学技术》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111537447A (zh) * | 2019-05-29 | 2020-08-14 | 上海出版印刷高等专科学校 | 光谱重建方法、印刷质量的评估方法、系统及电子设备 |
CN110926609B (zh) * | 2019-10-22 | 2022-03-15 | 齐鲁工业大学 | 一种基于样本特征匹配的光谱重建方法 |
CN110926609A (zh) * | 2019-10-22 | 2020-03-27 | 齐鲁工业大学 | 一种基于样本特征匹配的光谱重建方法 |
CN112304897A (zh) * | 2020-09-14 | 2021-02-02 | 中国人民解放军战略支援部队航天工程大学 | 一种用于燃烧场二维重建的光谱选择方法和系统 |
CN112304897B (zh) * | 2020-09-14 | 2021-09-14 | 中国人民解放军战略支援部队航天工程大学 | 一种用于燃烧场二维重建的光谱选择方法和系统 |
CN113340816B (zh) * | 2021-05-26 | 2023-10-27 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
CN113340816A (zh) * | 2021-05-26 | 2021-09-03 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
CN113538285A (zh) * | 2021-07-23 | 2021-10-22 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
CN113554578A (zh) * | 2021-07-23 | 2021-10-26 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
CN113554578B (zh) * | 2021-07-23 | 2024-05-31 | 奥比中光科技集团股份有限公司 | 一种光谱图像的确定方法、装置、终端和存储介质 |
CN115235628B (zh) * | 2022-05-17 | 2023-12-01 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
WO2023221588A1 (zh) * | 2022-05-17 | 2023-11-23 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
CN115235628A (zh) * | 2022-05-17 | 2022-10-25 | 中国科学院上海技术物理研究所 | 光谱重构方法和装置、光谱仪、存储介质和电子设备 |
WO2024011772A1 (zh) * | 2022-07-13 | 2024-01-18 | 剑桥大学南京科技创新中心有限公司 | 一种光谱建立的方法及设备 |
CN115060364B (zh) * | 2022-07-13 | 2024-05-03 | 剑桥大学南京科技创新中心有限公司 | 一种光谱建立的方法及设备 |
CN115060364A (zh) * | 2022-07-13 | 2022-09-16 | 剑桥大学南京科技创新中心有限公司 | 一种光谱建立的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108520488B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520488A (zh) | 一种重构光谱并进行复制的方法以及电子设备 | |
Gavrilovic et al. | Blind color decomposition of histological images | |
Stevens et al. | Studying primate color: towards visual system-dependent methods | |
US9779503B2 (en) | Methods for measuring the efficacy of a stain/tissue combination for histological tissue image data | |
CN108537788B (zh) | 迷彩伪装效果评测方法及装置、计算机设备及存储介质 | |
Anderson et al. | Deep Advanced Camera for Surveys imaging in the globular cluster NGC 6397: reduction methods | |
CN102006484A (zh) | 图像处理装置、图像处理方法以及程序 | |
CN106897986B (zh) | 一种基于多尺度分析的可见光图像与远红外图像融合方法 | |
CN101964293A (zh) | 一种金相显微组织图像处理方法 | |
CN109712089A (zh) | 适用于出口型遥感卫星红外短波载荷相对辐射校正的方法 | |
CN109325938A (zh) | 一种基于光密度空间的中心化图像通道差的色素分离方法 | |
Liang et al. | Research on filter selection method for broadband spectral imaging system based on ancient murals | |
Ali et al. | Ink removal from histopathology whole slide images by combining classification, detection and image generation models | |
CN106442329A (zh) | 一种基于冠层图像参数的冬小麦叶面积指数估算方法 | |
CN113256733B (zh) | 基于置信度投票卷积神经网络的相机光谱灵敏度重建方法 | |
CN109410180A (zh) | 衰减系数的确定方法、装置、计算机设备和存储介质 | |
CN108680535A (zh) | 基于改进r矩阵的光谱反射率重建方法 | |
CN106683044B (zh) | 一种多通道光学探测系统的图像拼接方法、装置 | |
CN111178229A (zh) | 一种基于深度学习的静脉显像方法和装置 | |
CN108801457B (zh) | 基于编码采样板设计以及二次能量约束校正的三维图谱获取及重建方法 | |
CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
JP4529210B2 (ja) | 測色変換係数算出方法と測色画像変換方法、及び、測色変換係数算出装置と測色画像変換装置、並びに、測色変換係数算出プログラム又は測色的撮像プログラムを記録したコンピュータ読み取り可能な情報記録媒体 | |
CN103679709B (zh) | 光谱图像处理方法 | |
Green et al. | An automated technique for stellar magnitude, color index, and position measurements of astronomical photographs. | |
Wu et al. | Recovering sensor spectral sensitivity from raw data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |