CN111047539A - 一种基于光谱反射率重建的织物图像颜色校准算法 - Google Patents

Abstract

本发明公开了一种基于光谱反射率重建的织物图像颜色校准算法，涉及织物图像颜色校正领域，解决了现有方法图像获取颜色失真影响重建精度的弊端，其技术方案要点是通过采集获取颜色训练样本；构建虚拟成像系统，计算出所有颜色训练样本的虚拟系统响应及其对应光谱反射率估计值；根据颜色空间转换公式进行颜色空间转换；采用定义的光谱重建误差评价函数，确定代表颜色训练样本；根据确定的代表颜色训练样本，获得实际成像系统的光谱响应函数；通过维纳估计法得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像，本发明的一种基于光谱反射率重建的织物图像颜色校准算法，提高了织物图像质量，得到了织物图像真实的纱线颜色信息。

Description

一种基于光谱反射率重建的织物图像颜色校准算法

技术领域

本发明涉及织物图像颜色校正技术，特别涉及一种基于光谱反射率重建的织物图像颜色校准算法。

背景技术

在织物生产和分析过程中，采用数字图像分析技术对织物图像进行特征提取、图案设计等，都是建立在织物图像颜色数据的基础上。然而，由于机器视觉缺乏自适应性和智能性，不具有颜色恒常性的特点，图像采集、传输和显示系统的变化都将引起图像颜色数据的变化，直接影响分析结果的准确性。因此，对织物图像的颜色数据进行必要的校正显得尤为重要。

研究表明，光谱反射率重建的校正方法可以在有效减弱光源和环境对图像颜色影响的同时，较好地实现图像颜色的校正。光谱反射率重建图像颜色校正的关键是从色卡的所有颜色中挑选出最具代表性的颜色样本用于光谱表征。而不同代表颜色训练样本选取的方法，在光谱精度及色度方面均有所不同，对校正后图像颜色的质量也会有所差异。近年来，Hardeberg提出了一种基于最小条件数的颜色选择方法；Cheung与Westland提出了4种基于颜色样本相互间距最大化的选择方法；Mohammadi等提出一种基于聚类的颜色挑选方法；Shen等提出了基于特征向量和基于虚拟成像系统的训练样本选择方法，针对已有方法未考虑实际成像系统特性的不足，又提出了一种代表颜色的分步选取算法。

然而，这些方法都是根据平均光谱均方误差最小作为判断条件选择代表颜色训练样本，虽然在减少颜色样本冗余的同时也表现了较好的光谱精度，但研究发现当光谱均方误差最小时，其重构颜色的色差未必是最小，因此不能保证这些方法选择的代表颜色训练样本可以有较理想的重建精度。

发明内容

本发明的目的是提供一种基于光谱反射率重建的织物图像颜色校准算法，能够解决上述问题，提高了织物图像质量，得到了织物图像真实的纱线颜色信息。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于光谱反射率重建的织物图像颜色校准算法，包括有以下步骤：

通过相机采集获取颜色训练样本与待校正织物图像，获得颜色训练样本与待校正织物图像的实际系统响应，通过分光光度计获取颜色训练样本的真实光谱反射率；

构建虚拟成像系统，定义虚拟光谱响应函数，计算出所有颜色训练样本的虚拟系统响应及其对应的光谱反射率估计值；

根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统中计算获得的光谱反射率估计值进行颜色空间转换；

采用定义的光谱重建误差评价函数，根据全局误差最小原则确定代表颜色训练样本；

根据确定的代表颜色训练样本，利用光谱反射率重建算法计算获得实际成像系统下的转换矩阵；

通过维纳估计法根据根据实际成像系统下的转换矩阵对待校正织物图像各像素点的实际系统响应进行估计得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像。

作为优选，定义的虚拟光谱响应函数为

式中，1≤c≤3，1≤j≤31，c表示成像系统的通道响应；j表示光谱波段数；

对所有颜色训练样本计算其虚拟成像系统响应U_V为

U_V＝M_VR_train

式中，R_train为颜色训练样本的真实光谱反射率；

虚拟系统响应对应的光谱反射率估计值R_V具体为R_V＝K_VM_V ^T(M_VK_VM_V ^T)^-1M_VR_train

根据维纳估计法重建的光谱反射率可表示为

式中，K是s的自相关矩阵，s为选择的代表颜色训练样本集合，可计算K＝E{s_Ls_L ^T}

作为优选，根据颜色空间转换公式进行CIELab颜色空间转换为，由光谱反射率计算标准色度系统的XYZ三刺激值，再经过XYZ到CIELab颜色空间转换得到L^*，a^*，b^*值；具体为：

根据光谱反射率计算物体色的XYZ三刺激值

用求和表达积分结果为：

式中，积分区域为整个可见光波段，X，Y，Z是CIE1931标准色度系统的三刺激值，S(λ)为光源的相对光谱功率分布，R(λ)为物体色的光谱反射率，

为CIE1931标准色度观察者光谱三刺激值，波长间隔dλ(Δλ)取10nm，归化系数K为常数，其值由Y＝100反算得到，即

计算得到所求的CIELab颜色空间的三个通道值L^*，a^*，b^*：

其中，f(X/X)，f(Y/Y_n)，f(Z/Z_n)为分段函数，满足表达式：

式中，X_n，Y_n，Z_n为CIE标准照明体照射到完全漫反射体表面的三刺激值，代表照明光源的颜色。

作为优选，确定代表颜色训练样本的具体步骤为：

根据均方根误差公式和CIEDE2000色差公式分别计算所有颜色训练样本的真实反射率与估计反射率之间的平均光谱均方误差E_rmse以及色度误差E_CA，

其中，ΔL′，ΔC′，ΔH′分别表示明度差、彩度差和色相差，K_L，K_C，K_H表示参数因子，S_L，S_C，S_H表示权重函数，用来校正颜色空间均匀性，R_r是旋转函数，校正色空间蓝色区域容差椭圆主轴方向的偏转。

定义光谱重建误差评价函数为E＝αE_rmse+βE_CA

其中，α和β分别表示E_rmse和E_CA的权重，且α+β＝1；

代表颜色训练样本的选取算法的目标函数为：

E(R_train，R_V)＝α×E_rmse(R_train，R_V)+β×E_CA(R_train，R_V)

→Minimun

满足上式的s_L＝s_L-1∪{r_j}即为选择的代表颜色训练样本的光谱反射率集合，L为代表颜色样本数。

综上所述，本发明具有以下有益效果：

基于光谱反射率重建的校正方法本身是，通过找到由分光光度计测得的真实颜色与相机获得实际颜色之间的转换关系，来重构图像。相比于基于图像颜色分布特性的校正方法和基于颜色空间映射的校正方法，具有不易受到特定光源和环境影响的特点，在减弱成像设备和光照环境等影响的同时，提高了光谱重建精度。解决了织物图像获取过程中成像设备和光照环境等导致织物图像颜色失真的问题，在不受成像设备与光照环境影响的前提下，对织物图像进行颜色校正，提高了织物图像质量，得到了织物图像真实的纱线颜色信息。

附图说明

图1为本发明的流程框图；

图2为本发明的结构流程示意图；

图3为不同α(β＝1-α)值与对应的光谱均方误差和色差之间的关系示意图；

图4为光谱重建误差与代表颜色训练样本数的关系示意图；

图5为使用三种算法重建出的某种颜色的光谱反射率曲线及其真实反射率曲线图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

根据一个或多个实施例，公开的一种基于光谱反射率重建的织物图像颜色校准算法，如图1及图2所示，包括有以下步骤：

通过相机采集获取颜色训练样本与待校正织物图像，获得颜色训练样本与待校正织物图像的实际系统响应，通过分光光度计获取颜色训练样本的真实光谱反射率；

构建虚拟成像系统，定义虚拟光谱响应函数，计算出所有颜色训练样本的虚拟系统响应及其对应的光谱反射率估计值；

根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统中计算获得的光谱反射率估计值进行颜色空间转换；

采用定义的光谱重建误差评价函数，根据全局误差最小原则确定代表颜色训练样本；

根据确定的代表颜色训练样本，利用光谱反射率重建算法计算获得实际成像系统下的转换矩阵；

通过维纳估计法根据根据实际成像系统下的转换矩阵对待校正织物图像各像素点的实际系统响应进行估计得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像。

具体的：

S1、构建一个虚拟成像系统并计算出所有颜色样本的虚拟系统响应及其光谱反射率估计值，然后根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统下估计的光谱反射率进行CIELab颜色空间转换，再采用新定义的光谱重建误差评价函数，根据全局误差最小的原则确定代表颜色样本。

S2、根据选择的代表颜色训练样本，利用光谱反射率重建算法计算获得实际成像系统下的转换矩阵，再利用维纳估计法对织物图像各像素点的系统响应值估计得到对应的光谱反射率，经颜色空间转换后得到重构RGB图像。

作为优选，上述步骤S1包括有以下具体操作：

S11、构建一个虚拟成像系统，并定义虚拟光谱响应函数

对所有颜色训练样本R求出其虚拟成像系统响应U_V＝M_VR_train。其中，(1≤C≤3，1≤j≤31)，式中c表示成像系统的通道响应；j表示光谱波段数。在不考虑成像系统噪声下利用维纳估计法重建的光谱反射率可表示为：

其中K是s的自相关矩阵，s为选择的代表颜色训练样本集合，可计算为：K＝E{s_Ls_L ^T}，进而U_V的光谱反射率可估计为R_V＝K_VM_V ^T(M_VK_VM_V ^T)^-1M_VR_train。

S12、根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率R_train和虚拟成像系统下估计的光谱反射率R_V，进行CIELab颜色空间转换。其中，光谱反射率到CIELab颜色空间的转换需要先由光谱反射率计算标准色度系统的XYZ三刺激值，再经过XYZ到CIELab颜色空间转换得到L^*，a^*，b^*值。具体过程如下：

首先根据光谱反射率可计算物体色三刺激值：

式中的积分区域为整个可见光波段。在实际工程计算中，用求和来近似积分，与上式对应的求和表达式为：

其中，X，Y，Z是CIE1931标准色度系统的三刺激值，S(λ)为光源的相对光谱功率分布，R(λ)为物体色的光谱反射率，

为CIE1931标准色度观察者光谱三刺激值，波长间隔dλ(Δλ)取10nm，归化系数K为常数，其值由Y＝100反算得到，即：

再根据公式()即可计算得到所求的CIELab颜色空间的三个通道值L^*，a^*，b^*：

其中，f(X/X)，f(Y/Y_n)，f(Z/Z_n)为分段函数，满足表达式：

式中，X_n，Y_n，Z_n为CIE标准照明体照射到完全漫反射体表面的三刺激值代表照明光源的颜色一般默认取值95.047，100.0，108.883。

S13、根据公式(6)所示的均方根误差公式和CIEDE2000色差公式，分别计算所有颜色训练样本真实反射率与估计反射率之间的平均光谱均方误差E_rmse以及色度误差E_CA，并定义新的光谱重建误差评价函数E＝αE_rmse+βE_CA，其中，α和β分别表示E_rmse和E_CA的权重，且α+β＝1。

因此，提出的代表颜色选取算法的目标函数可以表示为：

E(R_train，R_V)＝α×E_rmse(R_train，R_V)+β×E_CA(R_train，R_V)→Minimun(7)

满足上式的s_L＝s_L-1∪{r_j}即为选择的代表颜色光谱反射率集合，L为代表颜色样本数。

作为优选，上述步骤S2包括有以下具体操作：

S21、通过代表颜色优化选取算法，从所有颜色训练样本中选择L个代表颜色训练样本，并根据其光谱反射率R_L和系统响应U_L，估计出实际成像系统的光谱响应函数M、反射率自相关矩阵K_r和系统噪音协方差矩阵K_n，采用维纳估计光谱反射率重建法，计算实际成像系统下的转换矩阵W，得到重建光谱反射率

S22、根据织物图像各像素点在实际成像系统下的响应值即可估计出对应的光谱反射率，再将重建的光谱反射率通过颜色空间转换公式转换成RGB颜色空间分布矩阵，最终重构得到织物图像的RGB图像。其中，光谱反射率到RGB颜色空间的转换过程如下：

首先，根据公式(1-3)由光谱反射率计算得到CIE1931标准色度系统的三刺激值XYZ；

接着根据公式(8-10)将CIE1931标准色度系统的三刺激值转换成RGB颜色空间：

具体的，S1、数据采集：对标准色卡使用X-Rite分光光度计以10nm为间隔采集400～700nm波长范围的光谱反射率接着利用尼康D7200相机来获取实验样本中处于各个色块中心位置的RGB平均值，代表该色块的相机响应值。

S2、代表颜色选取：构建一个虚拟成像系统并计算出所有颜色样本的虚拟系统响应及其光谱反射率估计值然后根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统下估计的光谱反射率进行CIELab颜色空间转换，再采用新定义的光谱重建误差评价函数，根据全局误差最小的原则确定代表颜色样本。

S21、构建一个虚拟成像系统，并定义虚拟光谱响应函数

对所有颜色训练样本R求出其虚拟成像系统响应U_V＝M_VR_train。其中，(1≤c≤3，1≤j≤31)。在不考虑成像系统噪声下利用维纳估计法重建的光谱反射率可表示为：

其中K是s的自相关矩阵，可计算为：K＝E{s_Ls_L ^T}，进而U_V的光谱反射率可估计为R_V＝K_VM_V ^T(M_VK_VM_V ^T)^-1M_VR_train。

S22、根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率R_train和虚拟成像系统下估计的光谱反射率R_V，进行CIELab颜色空间转换。

S23、根据均方根误差公式和CIEDE2000色差公式，分别计算所有颜色训练样本真实反射率与估计反射率之间的平均光谱均方误差E_rmse以及色度误差E_CA，并定义新的光谱重建误差评价函数E＝αE_rmse+βE_CA，其中，α和β分别表示E_rmse和E_CA的权重，且α+β＝1。采用基于维纳估计的光谱反射率重建算法，根据代表颜色选取算法的目标函数的最优解求得图3所示的不同α，β值与对应的光谱均方误差和色差之间的关系。从而得到图4所示的最优α，β值对应的光谱重建误差与代表颜色训练样本数的关系示意图。

S3、根据选择的代表颜色训练样本估计得到实际成像系统的光谱响应函数，再利用维纳估计法对织物图像各像素点的系统响应值估计得到对应的光谱反射率，经颜色空间转换后得到重构RGB图像。

S31、通过代表颜色优化选取算法，从所有颜色训练样本中选择L个代表颜色训练样本，并根据其光谱反射率R_L和系统响应U_L，估计出实际成像系统的光谱响应函数M、反射率自相关矩阵K_r和系统噪音协方差矩阵K_n，采用维纳估计光谱反射率重建法，计算实际成像系统下的转换矩阵W，得到重建光谱反射率

S32、根据织物图像各像素点在实际成像系统下的响应值即可估计出对应的光谱反射率，再将重建的光谱反射率通过颜色空间转换公式转换成RGB颜色空间分布矩阵，最终重构得到织物图像的RGB图像。

为表述清楚，现举一实例，具体步骤如下：

采用均方根误差(E_rmse)和CIE2000(E_ab)色差公式来分别评价Hardeberg方法、Shen方法和自开发算法对实验检验样本的光谱反射率重建精度，具体数据见表1。

表1不同选色方法的光谱均方根误差和色差误差比较

从表1可以看出，相比于仅用均方误差作为判断条件选取代表颜色训练样本的Hardeberg方法和Shen方法，提出的代表颜色选取算法不论在光谱重建误差还是色差上均是相对比较理想的。

图5是使用三种算法重建出的某种颜色的光谱反射率曲线及其真实反射率曲线(图5(a))及其重构的RGB图像(图5(b))。从图5(a)中可以看出，三种方法重建后光谱反射率曲线与真实反射率曲线之间均存在着一定的偏差，但本方法更接近于真实反射率，优于另外两种方法；图5(b)展示的是三种方法的重构RGB图像颜色图像的RGB值，可以看出，本方法的重构RGB图像不论在视觉上还是在色差上均比另外两种方法更接近于真实颜色。因此，可以认为提出的优化算法是一种有效的代表颜色选取方法。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (4)

1.一种基于光谱反射率重建的织物图像颜色校准算法，其特征是，包括有以下步骤：

通过相机采集获取颜色训练样本与待校正织物图像，获得颜色训练样本与待校正织物图像的实际系统响应，通过分光光度计获取颜色训练样本的真实光谱反射率；

构建虚拟成像系统，定义虚拟光谱响应函数，计算出所有颜色训练样本的虚拟系统响应及其对应的光谱反射率估计值；

根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统中计算获得的光谱反射率估计值进行颜色空间转换；

采用定义的光谱重建误差评价函数，根据全局误差最小原则确定代表颜色训练样本；

根据确定的代表颜色训练样本，利用光谱反射率重建算法计算获得实际成像系统下的转换矩阵；

通过维纳估计法根据根据实际成像系统下的转换矩阵对待校正织物图像各像素点的实际系统响应进行估计得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像。

2.根据权利要求1所述的基于光谱反射率重建的织物图像颜色校准算法，其特征是：定义的虚拟光谱响应函数为

式中，1≤c≤3,1≤j≤31，c表示成像系统的通道响应；j表示光谱波段数；

对所有颜色训练样本计算其虚拟成像系统响应U_V为

U_V＝M_VR_train

式中，R_train为颜色训练样本的真实光谱反射率；

虚拟系统响应对应的光谱反射率估计值R_V具体为

R_V＝K_VM_V ^T(M_VK_VM_V ^T)^-1M_VR_train

根据维纳估计法重建的光谱反射率可表示为

式中，K是s的自相关矩阵，s为选择的代表颜色训练样本集合，可计算K＝E{s_Ls_L ^T}。

3.根据权利要求2所述的基于光谱反射率重建的织物图像颜色校准算法，其特征是：根据颜色空间转换公式进行CIELab颜色空间转换为，由光谱反射率计算标准色度系统的XYZ三刺激值，再经过XYZ到CIELab颜色空间转换得到L^*,a^*,b^*值；具体为：

根据光谱反射率计算物体色的XYZ三刺激值

用求和表达积分结果为：

式中，积分区域为整个可见光波段，X,Y,Z是CIE1931标准色度系统的三刺激值，S(λ)为光源的相对光谱功率分布，R(λ)为物体色的光谱反射率，

为CIE1931标准色度观察者光谱三刺激值，波长间隔dλ(Δλ)取10nm，归化系数K为常数，其值由Y＝100 反算得到，即

计算得到所求的CIELab颜色空间的三个通道值L^*,a^*,b^*：

其中，f(X/X),f(Y/Y_n),f(Z/Z_n)为分段函数，满足表达式：

式中，X_n,Y_n,Z_n为CIE标准照明体照射到完全漫反射体表面的三刺激值，代表照明光源的颜色。

4.根据权利要求3所述的基于光谱反射率重建的织物图像颜色校准算法，其特征是，确定代表颜色训练样本的具体步骤为：

根据均方根误差公式和CIEDE2000色差公式，分别计算所有颜色训练样本的真实反射率与估计反射率之间的平均光谱均方误差E_rmse以及色度误差E_CA，

其中，ΔL′,ΔC′,ΔH′分别表示明度差、彩度差和色相差，K_L,K_C,K_H表示参数因子，S_L,S_C,S_H表示权重函数，用来校正颜色空间均匀性，R_r是旋转函数，校正色空间蓝色区域容差椭圆主轴方向的偏转。

定义光谱重建误差评价函数为

E＝αE_rmse+βE_CA

其中，α和β分别表示E_rmse和E_CA的权重，且α+β＝1；

代表颜色训练样本的选取算法的目标函数为：

E(R_train,R_V)＝α×E_rmse(R_train,R_V)+β×E_CA(R_train,R_V)→Minimun

满足上式的s_L＝s_L-1∪{r_j}即为选择的代表颜色训练样本的光谱反射率集合，L为代表颜色样本数。

Images