CN110736542A - 一种基于rgb值的光谱重建方法 - Google Patents
一种基于rgb值的光谱重建方法 Download PDFInfo
- Publication number
- CN110736542A CN110736542A CN201911030913.7A CN201911030913A CN110736542A CN 110736542 A CN110736542 A CN 110736542A CN 201911030913 A CN201911030913 A CN 201911030913A CN 110736542 A CN110736542 A CN 110736542A
- Authority
- CN
- China
- Prior art keywords
- spectral
- train
- spectrum
- sample set
- test
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000002310 reflectometry Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 description 4
- 238000000985 reflectance spectrum Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于RGB值的光谱重建方法,包括以下步骤:(1)、准备训练样本集,获取其RGB值和光谱反射率值,根据光谱投射公式构建两者关联关系,获取投射矩阵;(2)、获取光谱字典矩阵X;(3)、准备测试样本集,获取其RGB值并构建其与光谱字典矩阵X的关系式,结合A投射矩阵求解关系式中的光谱系数b;(4)、将光谱系数b和光谱字典矩阵X代入光谱重建公式,完成光谱重建。本发明通过获取光谱字典矩阵X,使得任何一个颜色的反射率光谱可由光谱系数b和光谱字典矩阵X线性表示,以降低病态状况会。
Description
技术领域
本发明属于光谱重建技术领域,具体涉及一种基于RGB值的光谱重建方法。
背景技术
相对传统彩色图像,光谱图像能获得内容更为丰富,细节更为显著的有用信息,光谱成像技术得到了迅速发展。近年,有学者开展了基于RGB数码相机的光谱重建方法的研究。此光谱成像系统使简易、便携性好、成本低的普通相机获得光谱图像成为可能。但是,对于此光谱成像系统而言,从低维的数字响应信号(RGB值)重建高维度光谱反射率信息是一种病态线性系统的数学求解过程,此线性系统的系数矩阵为欠秩矩阵且矩阵的行列数相差极大,导致利用此线性系统重建多维光谱时重建精度和稳定性均存在巨大问题。
发明内容
本发明的目的是提供一种基于RGB值的光谱重建方法,以解决上述问题。
本发明提供的技术方案如下:一种基于RGB值的光谱重建方法,包括以下步骤:
步骤(1)、准备训练样本集,获取其RGB值并记为Itrain,获取其光谱反射率值并记为rtrain;根据光谱投射公式构建Itrain和rtrain的关系式:Itrain=Artrain,其中Itrain=[Ir Ig Ib]T,rtrain=[R400 R410 … R700]T,A为投射矩阵;
步骤(2)、利用l2-l1范数正则化方法训练Itrain和rtrain,求解投射矩阵A;
步骤(3)、采用Munsell色卡中的色块组成颜色库,测量各色块的反射率光谱,构成反射率光谱数据库,利用主成分分析方法从反射率光谱数据库中获得能线性表示任何颜色光谱的光谱字典矩阵X;
步骤(4)、准备测试样本集,获取其RGB值并记为Itest,Itest和光谱字典矩阵X的关系为:Itest=AXb,其中X=[x1 x2 … xn],b为光谱系数;然后求解光谱系数b,求解公式为:
其中,κ表示正则化参数,||·||2表示l2范数,D为三阶微分的系数;
步骤(5)、将测试样本集的光谱反射率数据rtest重建,光谱重建公式为:rtest=Xb,将步骤(4)求解的光谱系数b和步骤(3)获得的光谱字典矩阵X代入光谱重建公式,完成光谱重建。
作为上述技术方案的进一步描述:
所述步骤(2)中,投射矩阵A的求解公式为:
其中,||·||2表示l2范数,||·||1表示l1范数,τ表示正则化参数。
作为上述技术方案的进一步描述:
所述步骤(4)中,三阶微分的系数D为:
其中,p表示反射率光谱的维数。
作为上述技术方案的进一步描述:
所述步骤(4)中正则化参数κ利用L-curve方法获得。
本发明的有益效果具体如下:
(1)、不需要通过繁琐的步骤获得拍摄环境的光源光谱功率分布,以及数码相机RGB三个通道的光谱响应曲线;
(2)、利用光谱字典矩阵X,使得在重建中由求解p维的反射率光谱降到求解n(n<<p)维字典系数,以降低重建方程中由于投射矩阵严重欠秩而导致的病态问题;
(3)、针对存在稀疏特征的反射率光谱,利用高阶正则化方法提高重建光谱精度。此方法对RGB数码相机获取光谱反射率图像的发展具有重要的应用价值;
(4)、现有技术中,通常利用RGB颜色值I=[Ir Ig Ib]T重建反射率光谱但是RGB颜色值只有三维,反射率至少具有31维,容易导致RGB值一点变化(如出现点噪声)反射率却发生极大变化(是重建方程病态状况导致的),重建的稳定较差;本发明的方法则假设存在一个光谱字典矩阵X,使得任何一个颜色的反射率光谱由r=Xb表示,且X的秩小于反射率光谱r的维数,那么其系数向量(光谱系数b)的维数则大大小于反射率维数,使得原先直接求解较高维的反射率光谱变成求解较低维的系数向量,这样病态状况会降低;这个实现的前提是获得光谱字典矩阵X,在本发明中利用一组光谱数据训练而得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是实施例中获取投射矩阵A的流程图;
图2是实施例中光谱字典矩阵X的流程图。
具体实施方式
现结合说明书附图,详细说明本发明的结构特点。
在本实施例中采用:尼康D800彩色数码相机作为拍摄设备、爱色丽标准光源箱作为拍摄环境、爱色丽SP64分光光度计作为反射率光谱设备;本实施例中,在获得投射矩阵A的过程中,优选采用Colorchecker SG的140色组成对应的训练样本集;优选采用由潘通色卡中的100个色块组成测试样本集。需要说明的是,本发明并不仅仅限于上述设备和样本的应用支持,对于任意能实现上述功能的同等性质的设备同样适用。
本实施例中提供一种基于RGB值的光谱重建方法,包括以下步骤:
步骤(1)、选定拍摄环境和设定数码相机的各项拍摄参数;
步骤(2)、获得训练样本集的RGB数据和光谱反射率数据
本实施例中,采用由Colorchecker SG的140色组成训练样本集,尼康D800彩色数码相机获得其训练本集的RGB数据,记为Itrain;
使用爱色丽SP64分光光度计测量训练样本集中各颜色的光谱反射率数据,记为rtrain;
步骤(3)、构建Itrain和rtrain的关联关系
根据光谱反射率光谱投射成RGB值的投射公式,构建训练样本集的RGB值和光谱反射率关联关系,投射公式如下:
其中,Ir、Ig和Ib表示RGB值,s(λ)表示拍摄环境的光源的光谱功率分布,r(λ)、g(λ)和b(λ)分别表示数码相机RGB三个通道的光谱响应曲线,λ表示光谱的单位波长;
根据式(1)构建训练样本集的RGB值和光谱反射率关联关系,如下所示:
Itrain=Artrain 式(2)
其中,Itrain=[Ir Ig Ib]T;rtrain=[R400 R410 … R700]T,R表示光谱反射率值,R400为对应在400nm处光谱反射率的值,R410,…,R700则以此类推;A为投射矩阵,其由s(λ)、r(λ)、g(λ)和b(λ)构成;
步骤(4)、求解投射矩阵A
根据步骤(3)的投射公式,并利用l2-l1范数正则化方法训练步骤(2)获得的训练样本集的数据Itrain和rtrain,计算出投射矩阵A;l2-l1范数正则化方法如下:
其中,||·||2表示l2范数,||·||1表示l1范数,τ表示正则化参数;
针对存在稀疏特征的反射率光谱,采用l2-l1范数正则化方法求解投射矩阵A可以用于辅助提高重建光谱的精度;
步骤(5)、获取光谱字典矩阵X
采用Munsell色卡中1564个色块组成颜色库,利用爱色丽SP64分光光度计测量颜色库中各色块的反射率光谱,构成反射率光谱数据库;利用主成分分析(PCA)方法从反射率光谱数据库中获得能线性表示任何颜色光谱的光谱字典矩阵X;
获取光谱字典矩阵X的目的在于:本实施例的方法构建一个光谱字典矩阵X,使得任何一个颜色的反射率光谱可由下式(4)表示:
r=Xb 式(4)
其中,X的秩小于反射率光谱r的维数;b为光谱系数,光谱系数b的维数则大大小于反射率维数,即使得在重建中由求解p维的反射率光谱降到求解n(n<<p)维字典系数,原先直接求解较高维的反射率光谱变成求解较低维的光谱系数b,以降低重建方程中由于投射矩阵严重欠秩而导致的病态问题;
步骤(6)、求解光谱系数b
本实施例中,选取潘通色卡的100个色块组成测试样本集,采用与步骤(1)同样的拍摄环境和设定数码相机的各项拍摄参数,获得测试样本集的RGB值,记为Itest;将测试数据的RGB值Itest和光谱字典矩阵X的关系表示为:
Itest=AXb 式(5)
其中,X=[x1 x2 … xn],b为光谱系数b,式(5)中,Itest、投射矩阵A和光谱字典矩阵X已知,利用高阶正则化方法求解光谱系数b,方法如下:
其中,κ表示正则化参数,||·||2表示l2范数,D为三阶微分的系数,具体表示如下:
其中,p表示反射率光谱的维数;利用L-curve方法获得公式中的正则化参数κ;
步骤(7)、测试样本集的光谱重建
根据步骤(5)中的式(4),将测试样本集的光谱反射率数据rtest利用光谱字典矩阵X线性表示如下:
rtest=[x1 x2 … xn][b1 b2 … bn]T 式(8)
其中,
xi(i=1,2,…,n)表示构成光谱字典中的特征向量,(n<<p);
b=[b1 b2 … bn]T表述构成任何颜色的反射率光谱的系数;在本实施例中,n的取值优选为6;
将测试数据的光谱反射率数据rtest重建,根据式(8),光谱重建的公式可以表示为:
rtest=Xb 式(9)
将步骤(6)获得的光谱系数b和步骤(5)获得的光谱字典矩阵X代入式(9)进行线性组合,完成测试样本集的光谱重建。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于RGB值的光谱重建方法,其特征在于,包括以下步骤:
步骤(1)、准备训练样本集,获取其RGB值并记为Itrain,获取其光谱反射率值并记为rtrain;根据光谱投射公式构建Itrain和rtrain的关系式:Itrain=Artrain,其中Itrain=[Ir Ig Ib]T,rtrain=[R400 R410…R700]T,A为投射矩阵;
步骤(2)、利用l2-l1范数正则化方法训练Itrain和rtrain,求解投射矩阵A;
步骤(3)、采用Munsell色卡中的色块组成颜色库,测量各色块的反射率光谱,构成反射率光谱数据库,利用主成分分析方法从反射率光谱数据库中获得能线性表示任何颜色光谱的光谱字典矩阵X;
步骤(4)、准备测试样本集,获取其RGB值并记为Itest,Itest和光谱字典矩阵X的关系为:Itest=AXb,其中X=[x1 x2…xn],b为光谱系数;然后求解光谱系数b,求解公式为:
其中,κ表示正则化参数,||·||2表示l2范数,D为三阶微分的系数;
步骤(5)、将测试样本集的光谱反射率数据rtest重建,光谱重建公式为:rtest=Xb,将步骤(4)求解的光谱系数b和步骤(3)获得的光谱字典矩阵X代入光谱重建公式,完成光谱重建。
4.根据权利要求1所述的基于RGB值的光谱重建方法,其特征在于:所述步骤(4)中正则化参数κ利用L-curve方法获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030913.7A CN110736542B (zh) | 2019-10-28 | 2019-10-28 | 一种基于rgb值的光谱重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030913.7A CN110736542B (zh) | 2019-10-28 | 2019-10-28 | 一种基于rgb值的光谱重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110736542A true CN110736542A (zh) | 2020-01-31 |
CN110736542B CN110736542B (zh) | 2021-07-16 |
Family
ID=69271723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911030913.7A Active CN110736542B (zh) | 2019-10-28 | 2019-10-28 | 一种基于rgb值的光谱重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110736542B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750994A (zh) * | 2020-06-04 | 2020-10-09 | 武汉纺织大学 | 一种基于数码相机成像模型的光谱测量方法 |
CN111795742A (zh) * | 2020-05-18 | 2020-10-20 | 南京林业大学 | 一种用于单幅rgb图像重建光谱的降维方法 |
CN111896109A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种基于数码相机原始响应值的光谱重建方法 |
CN112747903A (zh) * | 2020-12-28 | 2021-05-04 | 南京林业大学 | 一种基于色度学颜色复制的最优光源光谱功率测定方法 |
CN113189021A (zh) * | 2021-05-11 | 2021-07-30 | 自然资源实物地质资料中心 | 基于光谱识别岩石颜色的方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528968A (zh) * | 2013-11-01 | 2014-01-22 | 上海理工大学 | 基于迭代阈值法的反射率光谱重建方法 |
US20140022544A1 (en) * | 2010-09-23 | 2014-01-23 | Nanolambda, Inc. | Spectrum Reconstruction Method for Miniature Spectrometers |
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 |
CN104634745B (zh) * | 2015-01-29 | 2017-02-22 | 上海理工大学 | 光谱重构方法 |
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 |
CN107084789A (zh) * | 2017-04-01 | 2017-08-22 | 上海理工大学 | 基于稀疏先验的单像素探测器光谱反射率重构方法 |
CN107239781A (zh) * | 2017-05-03 | 2017-10-10 | 北京理工大学 | 一种基于rgb图像的超光谱反射率重建方法 |
CN108020519A (zh) * | 2017-12-11 | 2018-05-11 | 齐鲁工业大学 | 一种基于颜色恒常性的虚拟多光源光谱重建方法 |
CN108680535A (zh) * | 2018-04-02 | 2018-10-19 | 西安建筑科技大学 | 基于改进r矩阵的光谱反射率重建方法 |
CN108896499A (zh) * | 2018-05-09 | 2018-11-27 | 西安建筑科技大学 | 结合主成分分析与正则化多项式的光谱反射率重建方法 |
CN109506780A (zh) * | 2018-11-23 | 2019-03-22 | 浙江智彩科技有限公司 | 基于多光谱led照明的物体光谱反射率重建方法 |
-
2019
- 2019-10-28 CN CN201911030913.7A patent/CN110736542B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140022544A1 (en) * | 2010-09-23 | 2014-01-23 | Nanolambda, Inc. | Spectrum Reconstruction Method for Miniature Spectrometers |
CN103528968A (zh) * | 2013-11-01 | 2014-01-22 | 上海理工大学 | 基于迭代阈值法的反射率光谱重建方法 |
CN104634745B (zh) * | 2015-01-29 | 2017-02-22 | 上海理工大学 | 光谱重构方法 |
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 |
CN107084789A (zh) * | 2017-04-01 | 2017-08-22 | 上海理工大学 | 基于稀疏先验的单像素探测器光谱反射率重构方法 |
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 |
CN107239781A (zh) * | 2017-05-03 | 2017-10-10 | 北京理工大学 | 一种基于rgb图像的超光谱反射率重建方法 |
CN108020519A (zh) * | 2017-12-11 | 2018-05-11 | 齐鲁工业大学 | 一种基于颜色恒常性的虚拟多光源光谱重建方法 |
CN108680535A (zh) * | 2018-04-02 | 2018-10-19 | 西安建筑科技大学 | 基于改进r矩阵的光谱反射率重建方法 |
CN108896499A (zh) * | 2018-05-09 | 2018-11-27 | 西安建筑科技大学 | 结合主成分分析与正则化多项式的光谱反射率重建方法 |
CN109506780A (zh) * | 2018-11-23 | 2019-03-22 | 浙江智彩科技有限公司 | 基于多光谱led照明的物体光谱反射率重建方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111795742A (zh) * | 2020-05-18 | 2020-10-20 | 南京林业大学 | 一种用于单幅rgb图像重建光谱的降维方法 |
CN111750994A (zh) * | 2020-06-04 | 2020-10-09 | 武汉纺织大学 | 一种基于数码相机成像模型的光谱测量方法 |
CN111896109A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种基于数码相机原始响应值的光谱重建方法 |
CN112747903A (zh) * | 2020-12-28 | 2021-05-04 | 南京林业大学 | 一种基于色度学颜色复制的最优光源光谱功率测定方法 |
CN112747903B (zh) * | 2020-12-28 | 2022-07-26 | 南京林业大学 | 一种基于色度学颜色复制的最优光源光谱功率测定方法 |
CN113189021A (zh) * | 2021-05-11 | 2021-07-30 | 自然资源实物地质资料中心 | 基于光谱识别岩石颜色的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110736542B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110736542B (zh) | 一种基于rgb值的光谱重建方法 | |
CN105069234B (zh) | 一种基于视觉感知特征的光谱降维方法及系统 | |
CN109883548B (zh) | 基于优化启发的神经网络的光谱成像系统的编码优化方法 | |
US11455535B2 (en) | Systems and methods for sensor-independent illuminant determination | |
JPH07320059A (ja) | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 | |
CN107316309B (zh) | 基于矩阵分解的高光谱图像显著性目标检测方法 | |
US20050046883A1 (en) | Color-space transformation-matrix calculating system and calculating method | |
CN101652988A (zh) | 颜色处理设备、颜色处理方法和记录介质 | |
Parmar et al. | Spatio-spectral reconstruction of the multispectral datacube using sparse recovery | |
CN113506235A (zh) | 一种对抗曝光变化的自适应加权光谱重建方法 | |
CN115499566A (zh) | 基于深度计算光学元件的端到端高质量消色差成像系统 | |
CN112862906B (zh) | 基于神经网络的颜色空间转换方法 | |
CN115731191A (zh) | 一种基于神经网络的窄波段光谱成像方法 | |
CN106895916B (zh) | 一种单次曝光拍摄获取多光谱图像的方法 | |
Peters et al. | Using moments to represent bounded signals for spectral rendering | |
CN108596819A (zh) | 一种基于稀疏表达的内陆光学复杂水体高光谱重构方法 | |
Zhang et al. | Spectral shift correction and adaptive band selection for multispectral imaging | |
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 | |
CN108680535A (zh) | 基于改进r矩阵的光谱反射率重建方法 | |
Lin et al. | Investigating the upper-bound performance of sparse-coding-based spectral reconstruction from RGB images | |
Walowit et al. | Multidimensional estimation of spectral sensitivities | |
CN110926608A (zh) | 一种基于光源筛选的光谱重建方法 | |
CN110332991B (zh) | 一种光谱的重构方法、装置和电子设备 | |
CN111896109B (zh) | 一种基于数码相机原始响应值的光谱重建方法 | |
Ma et al. | Colorimetric characterization of digital camera based on RBF neural network |
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 |