CN111504481B - 一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 - Google Patents
一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 Download PDFInfo
- Publication number
- CN111504481B CN111504481B CN202010314056.XA CN202010314056A CN111504481B CN 111504481 B CN111504481 B CN 111504481B CN 202010314056 A CN202010314056 A CN 202010314056A CN 111504481 B CN111504481 B CN 111504481B
- Authority
- CN
- China
- Prior art keywords
- light source
- light sources
- duv
- evaluated
- cct
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 29
- 238000009877 rendering Methods 0.000 claims abstract description 51
- 238000013139 quantization Methods 0.000 claims abstract description 49
- 238000005286 illumination Methods 0.000 claims abstract description 47
- 230000002596 correlated effect Effects 0.000 claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 230000003595 spectral effect Effects 0.000 claims abstract description 26
- 230000000875 corresponding effect Effects 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 18
- MYLBTCQBKAKUTJ-UHFFFAOYSA-N 7-methyl-6,8-bis(methylsulfanyl)pyrrolo[1,2-a]pyrazine Chemical compound C1=CN=CC2=C(SC)C(C)=C(SC)N21 MYLBTCQBKAKUTJ-UHFFFAOYSA-N 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 abstract description 22
- 238000002474 experimental method Methods 0.000 description 28
- 235000013399 edible fruits Nutrition 0.000 description 6
- 230000004438 eyesight Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 238000010428 oil painting Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004737 colorimetric analysis Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004300 dark adaptation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000000007 visual 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
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/60—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature
- G01J5/605—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature using visual determination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/60—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature
-
- 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
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/60—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature
- G01J2005/608—Colour temperature of light sources
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Psychiatry (AREA)
- Engineering & Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Developmental Disabilities (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Educational Technology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种面向既定光源组的展陈照明喜好评价方法,包括对待评测光源光谱功率分布的采集;在均匀颜色空间中计算待评测光源的显色指数;判断待评测光源的显色指数是否在本发明所适用的显色指数范围内;计算待评价光源相关色温CCT及Duv值;计算待评价光源组的CCT修正变异系数及Duv修正变异系数;计算CCT修正变异系数与Duv修正变异系数的差值,依据差值结果选择相应的照明喜好量化模型;对于待评价光源,依据其色度信息,结合照明喜好量化模型得到对应估计量值,实现对待评价光源照明质量的表征。
Description
技术领域
本发明属于LED智能照明技术领域,具体涉及一种面向既定光源组的展陈照明喜好量化模型确定方法及系统。
背景技术
随着照明技术的进步,因在发光效率、使用寿命、节能环保等方面具有显著优势,第四代照明光源LED已广泛应用于日常生活及工业生产。同时,因其光色可调的技术特点,为智能化展陈照明创造了可能,LED现已成为文博领域主流展陈光源。
为构建科学合理的展陈照明系统,营造符合人民审美要求的展陈照明环境,满足人民群众日益增加的精神文化需求,展陈光源照明喜好评价逐渐成为工业界及学术界的重点关注方向。
参考文献1.Huang Z,Liu Q,Westland S,et al.Light dominates colourpreference when correlated colour temperature differs[J].Lighting Research&Technology,2018,50(7):995-1012.
参考文献2.Liu Q,Tang M H.Influence of light source and paper color onthe exhibiting preference of traditional calligraphy[J].Spectroscopy andSpectral Analysis,2016,36(11):3664-3670.
目前,国内外众多学者对LED光源的照明品质评价方法进行了研究,并已提出了多种涉及光源照明质量评价的理论方法。然而,结合既定光源组照明特性进行针对性的照明喜好评价与筛选的相关研究目前尚属空白。
对于上述问题,亟待提出一种技术方案,基于既定光源组照明特性进行展陈照明喜好评价与表征,为展陈照明光源的筛选及优化提供指导。
发明内容
本发明的目的是为了解决背景技术中所述问题,提出一种面向既定光源组的展陈照明喜好量化模型确定方法及系统。
本发明的技术方案为提供一种面向既定光源组的展陈照明喜好量化模型确定方法,包括以下步骤:
步骤1,测量既定光源组内N个光源的光谱功率分布;
步骤2,在均匀颜色空间L中计算N个光源的显色指数Ra;
步骤3,依次判断N个光源的显色指数Ra是否在设定的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则退出,若成立则进行下一步骤;记符合显色指数范围的待评价光源数量为k个;
步骤4,在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
步骤5,分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD,修正变异系数的计算方法如下:
其中σ(X)、σ(Y)分别为集合X和集合Y的标准差,分别为集合X和集合Y的平均值,CCT(i)表示第i个光源的相关色温,Duv(i)表示第i个光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
步骤6,计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选,即当(VT-VD)>20%,选择照明喜好量化模型MI;当(VD-VT)>20%,选择照明喜好量化模型MⅡ;当(|VD-VT|)<20%,选择照明喜好量化模型MⅢ;
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温;
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离。
进一步的,步骤1中,N≥2,并且对测量得到的光源光谱功率分布采用400nm-700nm波段信息。
进一步的,步骤2中,均匀颜色空间L采用CIE1976 UCS颜色空间。
进一步的,步骤3中,Ra1=80,2≤k≤N。
进一步的,步骤4中,均匀颜色空间L采用CIE1976 UCS颜色空间。
本发明还提供一种面向既定光源组的展陈照明喜好量化模型确定系统,包括以下模块:
光谱功率分布信息采集模块,用于测量既定光源组内N个光源的光谱功率分布;
显色指数计算模块,用于在均匀颜色空间L中计算N个光源的显色指数Ra;
显色指数范围判断模块,用于判断N个光源的的显色指数Ra是否在设定的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则退出,若成立则进行下一模块,记符合显色指数范围的光源数量为k个;
色度信息计算模块,用于在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
修正变异系数的计算方法如下:
其中σ(X)、σ(Y)分别为集合X和集合Y的标准差,分别为集合X和集合Y的平均值,CCT(i)表示第i个光源的相关色温,Duv(i)表示第i个光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
修正变异系数计算模块,用于分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;
照明喜好量化模块,用于计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选,即当(VT-VD)>20%,选择照明喜好量化模型MI;当(VD-VT)>20%,选择照明喜好量化模型MⅡ;当(|VD-VT|)<20%,选择照明喜好量化模型MⅢ;
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温;
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离。
进一步的,光谱功率分布信息采集模块中,N≥2,对测量得到的光源光谱功率分布采用400nm-700nm波段信息。
进一步的,显色指数计算模块中,均匀颜色空间L采用CIE1976 UCS颜色空间。
进一步的,显色指数范围判断模块中,Ra1=80,2≤k≤N。
进一步的,色度信息计算模块中,均匀颜色空间L采用CIE1976 UCS颜色空间。
与现有技术相比,本发明的有益效果如下:
本发明提出的一种面向既定光源组的展陈照明喜好评价技术方案,以待评价光源色度学特性为依托,以三个照明喜好量化模型为手段,结合既定光源组照明特性,对待测评光源组的照明喜好质量进行准确表征,进而为本领域提供了一种准确且具有针对性的展陈光源照明喜好评价方法。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例3的实验场景图。
具体实施方式
结合附图,提供本发明实施例具体描述如下。
如图1所示实施例提供的一种面向既定光源组的展陈照明喜好评价技术方案,以待评价光源色度学特性为依托,以三个照明喜好量化模型为手段,结合既定光源组照明特性,对待测评光源组的照明喜好质量进行准确的表征,进而为本领域提供了一种准确且具有针对性的展陈光源照明喜好评价方法。
为结合既定光源组照明特性,准确且具有针对性的进行展陈照明喜好评价,本发明依据不同光源特性共构建三类照明喜好量化模型MI、MⅡ和MⅢ。MI、MⅡ和MⅢ适用于不同照明特性的待评价光源组,即MI:(VT-VD)>20%;MⅡ:(VD-VT)>20%;MⅢ:(|VD-VT|)<20%。其中,VT为待评价光源组CCT的修正变异系数,VD为待评价光源组Duv的修正变异系数。
为更好的说明本发明的有效性与准确性,以下采用三项实施例进行说明。三项实施例的光源特性分别对应三类照明喜好量化模型MI、MⅡ和MⅢ。
实施例1,针对照明喜好量化模型MI:
实施例1采用9种具有不同相关色温(2400K-6700K)且不同Duv特性(-0.0074~-0.0032)的LED光源作为待评价光源(其光源信息如表1所示),以三类彩色物体(彩色人造花束、彩色油画、敦煌壁画复制品)作为待展陈物体,以心理物理学实验结果为模型检验依据,对本文提出的一种面向既定光源组的展陈照明喜好评价方法准确性进行说明。需要说明的是,本发明并不局限上述光源与物体,对于其他LED光源或其他展陈物体,本方法同样适用。
表1.实施例1中所采用待评价光源的色度信息
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ | ⑦ | ⑧ | ⑨ |
Ra | 89 | 91 | 90 | 87 | 85 | 83 | 82 | 81 | 80 |
CCT(K) | 2417 | 2917 | 3405 | 3890 | 4444 | 5010 | 5570 | 6188 | 6757 |
Duv | -0.0032 | -0.0043 | -0.0051 | -0.0059 | -0.0065 | -0.0069 | -0.0072 | -0.0073 | -0.0074 |
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例1提供的方法流程包括以下步骤:
1)测量既定光源组内N个光源的光谱功率分布;
在实施例1中,采用X-Rite i1 Pro分光光度仪测量9种具有不同相关色温(2400K-6700K)且不同Duv特性(-0.0074~-0.0032)的待评价LED光源的光谱功率分布;N=9;光谱功率分布采用400nm-700nm波段信息。
2)在均匀颜色空间L中分别计算N个待评价光源的显色指数Ra;
在实施例1中,采用CIE1976 UCS颜色空间,计算待评价光源的显色指数Ra。
3)依次判断N个光源的显色指数Ra是否在本发明所适用的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则该光源不适用本发明,若成立则进行下一步骤。记符合本发明显色指数范围的待评价光源数量为k个;
在实施例1中,Ra1=80,k=9。
4)在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
在实施例1中,采用CIE1976 UCS颜色空间,计算待评价光源的CCT及Duv值。
5)分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;
在实施例1中,经计算可得VT=31%,VD=6%。
6)计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选。
在实施例1中,待评价光源满足(VT-VD)>20%,符合照明喜好量化模型MI的相关要求。
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温。
为进一步证实本发明所述方法在展陈光源照明喜好评价方面所具有的技术优势,采用心理物理学实验,通过相关系数R之方法,计算主观实验所获得的观察者对于照明光源的喜好得分与步骤6)中照明喜好估计量值MI之间的PEARSON相关系数。具体实施如下:在暗室中以上述9种待评价光源为实验光源,以三类彩色物体(彩色人造花束、彩色油画、敦煌壁画复制品)作为待展陈物体。邀请36名(17男19女)具有正常视力的观察者在标准灯箱Light-Cube内(50cm×50cm×60cm,灯箱四周和底部均为中性灰)场景中进行彩色人造花束及彩色油画的喜好评价实验;邀请20名(6男14女)具有正常视力的观察者于武汉大学万林博物馆中进行敦煌壁画复制品的喜好评价试验。对于上述喜好评价实验的相关介绍,可参见Peng R,Zhang Y,Liu Q,et al.Correlation between color quality metric andcolor preference of light source[M]//Applied Sciences in GraphicCommunication and Packaging.Springer,Singapore,2018:3-11.本发明不予赘述。
通过上述喜好评价实验可获得观察者对于待评价光源的主观喜好得分(如表2所示),并计算其与照明喜好估计量值MI之间的PEARSON相关系数。结果显示,两者之间的平均相关系数R=0.83(三类物体的相关系数分别为0.91,0.87,0.71),证明本发明所构建的照明喜好量化模型MI具有较高的准确性,进而证明本发明所述方法在展陈光源照明喜好评价方面具有较强的技术优势
表2.实例1中观察者主观喜好得分
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ | ⑦ | ⑧ | ⑨ |
彩色人造花束 | -1.33 | -0.33 | 0.36 | 0.53 | 0.64 | 0.47 | 0.72 | 0.42 | 0.08 |
彩色油画 | -0.92 | -0.22 | 0.92 | 1.17 | 1.19 | 1.33 | 1.08 | 0.92 | 0.89 |
敦煌壁画复制品 | -0.45 | 0.55 | 0.85 | 1.45 | 0.65 | 0.80 | 0.35 | 0.40 | 0.20 |
实施例2,针对照明喜好量化模型MII:
实施例2采用6种具有相同相关色温(3000K)但不同Duv特性(-0.015~0.010)的LED光源作为待评价光源(其光源信息如表3所示),以一盘混色水果作为待展陈物体,以心理物理学实验结果为模型检验依据,对本文提出的一种面向既定光源组的展陈照明喜好评价方法准确性进行说明。需要说明的是,本发明并不局限上述光源与物体,对于其他LED光源或其他展陈物体,本方法同样适用。
表3.实施例2中所采用待评价光源的色度信息
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ |
Ra | 91 | 90 | 95 | 93 | 95 | 94 |
CCT(K) | 3097 | 3085 | 3073 | 2998 | 3019 | 3034 |
Duv | 0.0092 | 0.0050 | 0.0002 | -0.0048 | -0.0097 | -0.0149 |
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例1提供的方法流程包括以下步骤:
1)测量既定光源组内N个光源的光谱功率分布;
在实施例2中,采用X-Rite i1 Pro分光光度仪测量6种具有相同相关色温(3000K)但不同Duv特性(-0.015~0.010)的待评价LED光源的光谱功率分布;N=6;光谱功率分布采用400nm-700nm波段信息。
2)在均匀颜色空间L中分别计算N个待评价光源的显色指数Ra;
在实施例2中,采用CIE1976 UCS颜色空间,计算待评价光源的显色指数Ra。
3)依次判断N个光源的显色指数Ra是否在本发明所适用的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则该光源不适用本发明,若成立则进行下一步骤。记符合本发明显色指数范围的待评价光源数量为k个;
在实施例2中,Ra1=80,k=6。
4)在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
在实施例2中,采用CIE1976 UCS颜色空间,计算待评价光源的CCT及Duv值。
5)分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;
在实施例2中,经计算可得VT=1%,VD=30%。
6)计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选。
在实施例2中,待评价光源满足(VD-VT)>20%,符合照明喜好量化模型MⅡ的相关要求。
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在CIE1976 UCS颜色空间中光源色度点距离黑体轨迹线的最短距离。
为进一步证实本发明所述方法在展陈光源照明喜好评价方面所具有的技术优势,采用心理物理学实验,通过相关系数R之方法,计算主观实验所获得的观察者对于照明光源的喜好得分与步骤6)中照明喜好估计量值MⅡ之间的PEARSON相关系数。具体实施如下:在暗室中以上述6种待评价光源为实验光源,以一盘混色水果作为待展陈物体。邀请30名(15男15女)具有正常视力的观察者在标准灯箱Light-Cube内(50cm×50cm×60cm,灯箱四周和底部均为中性灰)场景中进行喜好评价实验。对于上述喜好评价实验的相关介绍,可参见Huang Z,Liu Q,Luo M R,et al.The whiteness of lighting and colour preference,Part 2:A meta-analysis of psychophysical data[J].Lighting Research&Technology,2019:1477153519837946.本发明不予赘述。
通过上述喜好评价实验可获得观察者对于待评价光源的主观喜好得分(如表4所示),并计算其与照明喜好估计量值MⅡ之间的PEARSON相关系数。结果显示,两者之间的相关系数R=0.96,证明本发明所构建的照明喜好量化模型MⅡ具有较高的准确性,进而证明本发明所述方法在展陈光源照明喜好评价方面具有较强的技术优势。
表4.实例2中观察者主观喜好得分
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ |
混色水果喜好得分 | 0.07 | 0.17 | 0.67 | 0.90 | 1.30 | 1.17 |
实施例3,针对照明喜好量化模型MⅢ:
实施例3采用8种具有相同相关色温(5500K)但不同Duv特性(0.004或-0.006)的LED光源作为待评价光源(其光源信息如表5所示),以一盘混色水果作为待展陈物体,以心理物理学实验结果为模型检验依据,对本文提出的一种面向既定光源组的展陈照明喜好评价方法准确性进行说明。需要说明的是,本发明并不局限上述光源与物体,对于其他LED光源或其他展陈物体,本方法同样适用。
表5.实施例3中所采用待评价光源的色度信息
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ | ⑦ | ⑧ |
Ra | 91 | 91 | 86 | 87 | 89 | 95 | 89 | 85 |
CCT(K) | 5494 | 5449 | 5512 | 5533 | 5413 | 5449 | 5560 | 5569 |
Duv | 0.0043 | 0.0043 | 0.0039 | 0.0037 | -0.0059 | -0.0058 | -0.0064 | -0.0064 |
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例提供的方法流程包括以下步骤:
1)测量既定光源组内N个光源的光谱功率分布;
在实施例3中,采用X-Rite i1 Pro分光光度仪测量8种具有相同相关色温(5500K)但不同Duv特性(0.004或-0.006)的待评价LED光源的光谱功率分布;N=8;光谱功率分布采用400nm-700nm波段信息。
2)在均匀颜色空间L中分别计算N个待评价光源的显色指数Ra;
在实施例3中,采用CIE1976 UCS颜色空间,计算待评价光源的显色指数Ra。
3)依次判断N个光源的显色指数Ra是否在本发明所适用的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则该光源不适用本发明,若成立则进行下一步骤。记符合本发明显色指数范围的待评价光源数量为k个;
在实施例3中,Ra1=80,k=8。
4)在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
在实施例3中,采用CIE1976 UCS颜色空间,计算待评价光源的CCT及Duv值。
5)分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;
在实施例3中,经计算可得VT=1%,VD=18%。
6)计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选。
在实施例3中,待评价光源满足(|VD-VT|)<20%,符合照明喜好量化模型MⅢ的相关要求。
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在CIE1976 UCS颜色空间中光源色度点距离黑体轨迹线的最短距离。
为进一步证实本发明所述方法在展陈光源照明喜好评价方面所具有的技术优势,采用心理物理学实验,通过相关系数R之方法,计算主观实验所获得的观察者对于照明光源的喜好得分与步骤6)中照明喜好估计量值MⅢ之间的PEARSON相关系数。具体实施为:在暗室中以上述8种待评价光源为实验光源,以一盘混色水果作为待展陈物体。邀请31名(15男16女)具有正常视力的观察者在标准灯箱Light-Cube内(50cm×50cm×60cm,灯箱四周和底部均为中性灰)场景中进行喜好评价实验。具体实验方式如下:
1)在暗室中进行实验,以一盘混色水果为实验物体,放置于标准灯箱Light-Cube(50cm×50cm×60cm,灯箱四周和底部均为中性灰)中央。实验视觉环境实拍图如图2所示,灯箱顶部均安装有发光硬件,用于产生指定实验光源。观察者坐在距离灯箱60cm处的椅子上,观察灯箱中的实验物体。
2)实验过程中,实验光源通过随机顺序进行播放,在每一个实验场景中观察者采用7级评价方式对实验物体进行主观喜好评价,实验人员负责记录观察者的喜好评价。主观评价方式具体如下:主观喜好采用7级打分,从-3到+3,一共七个评价等级。“非常喜欢”用+3分表示,“比较喜欢”用+2分表示,“一点点喜欢”用+1分表示,“既不喜欢也不讨厌”用0表示,“一点点不喜欢”用-1表示,“比较不喜欢”用-2分表示,“非常不喜欢”用-3表示。
3)每个观察者进行实验时,进行同样的处理:实验开始前进行5分钟的暗适应,在暗适应时实验人员通过口述的方式介绍实验情况。实验时,观察者按照2)中的评价规则对每一组实验场景进行评价,实验场景为随机调节(调试每两种不同实验场景之间间隔20秒),更换场景时观察者处于闭眼状态,直至观察者评价完最后一组实验场景。最终获得观察者主观评价结果如表6所示。
表6.实例3中观察者主观喜好得分
光源序号 | ① | ② | ③ | ④ | ⑤ | ⑥ | ⑦ | ⑧ |
主观喜好得分 | 0.516 | -0.129 | -0.323 | -0.226 | 1.065 | 0.871 | 0.806 | 0.935 |
通过上述喜好评价实验获得观察者对于待评价光源的主观喜好得分(如表6所示),并计算其与照明喜好估计量值MⅢ之间的PEARSON相关系数。结果显示,两者之间的相关系数R=0.87,证明本发明所构建的照明喜好量化模型MⅢ具有较高的准确性,进而证明本发明所述方法在展陈光源照明喜好评价方面具有较强的技术优势。
本发明还提供一种面向既定光源组的展陈照明喜好评价系统,包括以下模块:
光谱功率分布信息采集模块,用于测量既定光源组内N个光源的光谱功率分布;
显色指数计算模块,用于在均匀颜色空间L中计算N个光源的显色指数Ra;
显色指数范围判断模块,用于判断N个光源的显色指数Ra是否在本发明所适用的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则该光源不适用本发明,若成立则进行下一模块。记符合本发明显色指数范围的光源数量为k个;
色度信息计算模块,用于在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
修正变异系数计算模块,用于分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;修正变异系数的计算方法如下:
其中σ(X)、σ(Y)分别为集合X和集合Y的标准差,为集合X和集合Y的平均值,CCT(i)表示第i个光源的相关色温,Duv(i)表示第i个光源在CIE1976 UCS颜色空间中光源色度点距离黑体轨迹线的最短距离。
照明喜好量化模块,用于计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选,即当(VT-VD)>20%,选择照明喜好量化模型MI;当(VD-VT)>20%,选择照明喜好量化模型MⅡ;当(|VD-VT|)<20%,选择照明喜好量化模型MⅢ;
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温;
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在CIE1976 UCS颜色空间中光源色度点距离黑体轨迹线的最短距离;
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在CIE1976 UCS颜色空间中光源色度点距离黑体轨迹线的最短距离。
而且,光谱功率分布信息采集模块中,N≥2,对测量得到的光源光谱功率分布采用400nm-700nm波段信息。
而且,显色指数计算模块中,均匀颜色空间L采用CIE1976 UCS颜色空间。
而且,显色指数范围判断模块中,Ra1=80,2≤k≤N。
而且,色度信息计算模块中,均匀颜色空间L采用CIE1976 UCS颜色空间。
各模块具体实现和各步骤相应,本发明不予赘述。
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 (6)
1.一种面向既定光源组的展陈照明喜好量化模型确定方法,其特征在于,包括以下步骤:
步骤1,测量既定光源组内N个光源的光谱功率分布;
步骤2,在均匀颜色空间L中计算N个光源的显色指数Ra;
步骤3,依次判断N个光源的显色指数Ra是否在设定的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则退出,若成立则进行下一步骤;记符合显色指数范围的光源数量为k个;
步骤4,在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
步骤5,分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD,修正变异系数的计算方法如下:
其中σ(X)、σ(Y)分别为集合X和集合Y的标准差,分别为集合X和集合Y的平均值,CCT(i)表示第i个光源的相关色温,Duv(i)表示第i个光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
步骤6,计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选,即当(VT-VD)>20%,选择照明喜好量化模型MI;当(VD-VT)>20%,选择照明喜好量化模型MⅡ;当(|VD-VT|)<20%,选择照明喜好量化模型MⅢ;
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温;
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离,所述均匀颜色空间L采用CIE1976UCS颜色空间。
2.根据权利要求1所述的一种面向既定光源组的展陈照明喜好量化模型确定方法,其特征在于:步骤1中,N≥2,并且对测量得到的光源光谱功率分布采用400nm-700nm波段信息。
3.根据权利要求1所述的一种面向既定光源组的展陈照明喜好量化模型确定方法,其特征在于:步骤3中,Ra1=80,2≤k≤N。
4.一种面向既定光源组的展陈照明喜好量化模型确定系统,其特征在于,包括以下模块:
光谱功率分布信息采集模块,用于测量既定光源组内N个光源的光谱功率分布;
显色指数计算模块,用于在均匀颜色空间L中计算N个光源的显色指数Ra;
显色指数范围判断模块,用于判断N个光源的显色指数Ra是否在设定的显色指数范围内,即判断Ra≥Ra1是否成立,若不成立则退出,若成立则进行下一模块,记符合显色指数范围的光源数量为k个;
色度信息计算模块,用于在均匀颜色空间L中计算k个光源的相关色温CCT及Duv值;
修正变异系数的计算方法如下:
其中σ(X)、σ(Y)分别为集合X和集合Y的标准差,分别为集合X和集合Y的平均值,CCT(i)表示第i个光源的相关色温,Duv(i)表示第i个光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
修正变异系数计算模块,用于分别计算既定光源组内k个光源CCT的修正变异系数VT及k个光源Duv的修正变异系数VD;
照明喜好量化模块,用于计算VT与VD的差值,根据差值结果选择对应的照明喜好量化模型MI、MⅡ或MⅢ,进而实现对待评价光源照明质量的表征与筛选,即当(VT-VD)>20%,选择照明喜好量化模型MI;当(VD-VT)>20%,选择照明喜好量化模型MⅡ;当(|VD-VT|)<20%,选择照明喜好量化模型MⅢ;
照明喜好量化模型MI,具体形式如下:
其中,MI为照明喜好估计量值,CCT为待评价光源的相关色温;
照明喜好量化模型MⅡ,具体形式如下:
MII=3300×(Duv-π)2+1245×eDuv
其中,MⅡ为照明喜好估计量值,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离;
照明喜好量化模型MⅢ,具体形式如下:
MⅢ=7.52+0.0006×CCT+(A-90.36)×Duv
A=-0.06×(log10(CCT))2+0.48×log10(CCT)
其中,MⅢ为照明喜好估计量值,CCT为待评价光源的相关色温,Duv为待评价光源在均匀颜色空间L中光源色度点距离黑体轨迹线的最短距离,所述均匀颜色空间L采用CIE1976UCS颜色空间。
5.根据权利要求4所述的一种面向既定光源组的展陈照明喜好量化模型确定系统,其特征在于:
光谱功率分布信息采集模块中,N≥2,对测量得到的光源光谱功率分布采用400nm-700nm波段信息。
6.根据权利要求4所述的一种面向既定光源组的展陈照明喜好量化模型确定系统,其特征在于:显色指数范围判断模块中,Ra1=80,2≤k≤N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314056.XA CN111504481B (zh) | 2020-04-20 | 2020-04-20 | 一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314056.XA CN111504481B (zh) | 2020-04-20 | 2020-04-20 | 一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111504481A CN111504481A (zh) | 2020-08-07 |
CN111504481B true CN111504481B (zh) | 2021-04-02 |
Family
ID=71871137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010314056.XA Active CN111504481B (zh) | 2020-04-20 | 2020-04-20 | 一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111504481B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112512164B (zh) * | 2020-12-07 | 2023-01-17 | 华格照明科技(上海)有限公司 | 一种面向国画展陈照明的多级照度色温喜好度预测方法及系统 |
CN113203551A (zh) * | 2021-04-05 | 2021-08-03 | 北京辑光照明科技有限公司 | 一种基于光源照度及色度信息的光照颜色分辨能力量化方法及系统 |
CN113310666A (zh) * | 2021-04-26 | 2021-08-27 | 安徽建筑大学 | 一种基于发光特征的led灯具故障诊断方法与装置 |
CN114858280B (zh) * | 2022-04-01 | 2024-08-23 | 武汉大学 | 一种口红颜色喜好预测方法及系统 |
CN114427957B (zh) * | 2022-04-02 | 2022-06-14 | 武汉大学 | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103857096A (zh) * | 2012-11-28 | 2014-06-11 | 胡能忠 | 最佳视觉照明装置及方法 |
CN105042365A (zh) * | 2015-07-08 | 2015-11-11 | 复旦大学 | 高光色品质的白光led照明系统及其设计方法 |
CN105136432A (zh) * | 2015-08-27 | 2015-12-09 | 武汉大学 | 基于主客观实验数据的led照明质量评价方法及系统 |
CN106053024A (zh) * | 2016-06-27 | 2016-10-26 | 武汉大学 | 一种面向单色系物体的led光源喜好度预测方法 |
CN106068675A (zh) * | 2013-10-28 | 2016-11-02 | 通用电气照明解决方案有限责任公司 | 用于增强光学照明和颜色偏好的灯 |
CN107024340A (zh) * | 2017-05-22 | 2017-08-08 | 武汉大学 | 基于颜色样本优化的光照喜好度评价指标构建方法及系统 |
CN107368461A (zh) * | 2017-07-11 | 2017-11-21 | 电子科技大学中山学院 | 光源相关色温和光源Duv的计算方法及系统 |
CN110081971A (zh) * | 2019-04-17 | 2019-08-02 | 广东晶谷照明科技有限公司 | 一种面向视觉颜色喜好的展陈照明光品质评价方法 |
CN110231148A (zh) * | 2019-06-04 | 2019-09-13 | 武汉大学 | 一种面向颜色分辨的展陈光源显色性评价方法及系统 |
CN110836723A (zh) * | 2019-10-22 | 2020-02-25 | 华格照明科技(上海)有限公司 | 一种青铜器展陈照明光品质评价方法与系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507151A (zh) * | 2011-10-25 | 2012-06-20 | 复旦大学 | 一种基于工效学实验的阅读台灯评价方法 |
JP6544663B2 (ja) * | 2017-10-10 | 2019-07-17 | パナソニックIpマネジメント株式会社 | 光源装置 |
-
2020
- 2020-04-20 CN CN202010314056.XA patent/CN111504481B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103857096A (zh) * | 2012-11-28 | 2014-06-11 | 胡能忠 | 最佳视觉照明装置及方法 |
CN106068675A (zh) * | 2013-10-28 | 2016-11-02 | 通用电气照明解决方案有限责任公司 | 用于增强光学照明和颜色偏好的灯 |
US10208943B2 (en) * | 2013-10-28 | 2019-02-19 | GE Lighting Solutions, LLC | Lamps for enhanced optical brightening and color preference |
CN105042365A (zh) * | 2015-07-08 | 2015-11-11 | 复旦大学 | 高光色品质的白光led照明系统及其设计方法 |
CN105136432A (zh) * | 2015-08-27 | 2015-12-09 | 武汉大学 | 基于主客观实验数据的led照明质量评价方法及系统 |
CN106053024A (zh) * | 2016-06-27 | 2016-10-26 | 武汉大学 | 一种面向单色系物体的led光源喜好度预测方法 |
CN107024340A (zh) * | 2017-05-22 | 2017-08-08 | 武汉大学 | 基于颜色样本优化的光照喜好度评价指标构建方法及系统 |
CN107368461A (zh) * | 2017-07-11 | 2017-11-21 | 电子科技大学中山学院 | 光源相关色温和光源Duv的计算方法及系统 |
CN110081971A (zh) * | 2019-04-17 | 2019-08-02 | 广东晶谷照明科技有限公司 | 一种面向视觉颜色喜好的展陈照明光品质评价方法 |
CN110231148A (zh) * | 2019-06-04 | 2019-09-13 | 武汉大学 | 一种面向颜色分辨的展陈光源显色性评价方法及系统 |
CN110836723A (zh) * | 2019-10-22 | 2020-02-25 | 华格照明科技(上海)有限公司 | 一种青铜器展陈照明光品质评价方法与系统 |
Non-Patent Citations (3)
Title |
---|
LED光源显色性主客观评价方法研究;彭小曼等;《照明工程学报》;20160229;第27卷(第1期);全文 * |
White lighting and colour preference,Part 1: Correlation analysis and metrics;Z Huang等;《Lighting Res. Technol.》;20191231;第0卷;全文 * |
基于物体色彩差异的白光LED 照明喜好研究;黄政等;《照明工程学报》;20161031;第27卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111504481A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111504481B (zh) | 一种面向既定光源组的展陈照明喜好量化模型确定方法及系统 | |
CN111486947B (zh) | 一种基于照度和相关色温的展陈照明光品质评价方法及系统 | |
CN110836723B (zh) | 一种青铜器展陈照明光品质评价方法与系统 | |
CN105136432B (zh) | 基于主客观实验数据的led照明质量评价方法及系统 | |
CN110231148B (zh) | 一种面向颜色分辨的展陈光源显色性评价方法及系统 | |
CN105588639B (zh) | 一种标准光源对色观察箱 | |
CN113673389B (zh) | 光源光谱功率分布相关的绘画照明视觉评价方法 | |
CN111854938B (zh) | 一种白光光源光照颜色分辨能力量化方法及系统 | |
CN103402117A (zh) | 基于Lab色度空间的视频图像偏色检测方法 | |
CN112512164B (zh) | 一种面向国画展陈照明的多级照度色温喜好度预测方法及系统 | |
CN1751812A (zh) | 一种猪肉颜色质量等级的划分方法 | |
CN106053024B (zh) | 一种面向单色系物体的led光源喜好度预测方法 | |
CN113483888A (zh) | 一种面向烘焙食品的展陈照明光品质评价方法及系统 | |
CN104092919B (zh) | 用于彩色数字影像系统的色适应变换寻优方法及系统 | |
CN113781395B (zh) | 适用于中国传统绘画的照明颜色质量评价方法 | |
CN114397094B (zh) | 一种基于光谱重建和色貌模型的光源显色性评价方法 | |
CN113465742A (zh) | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及系统 | |
Melgosa | Some recent advances in color science | |
CN114427957B (zh) | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统 | |
CN117315415B (zh) | 一种店铺招牌健康性能评估方法与装置 | |
CN114858280B (zh) | 一种口红颜色喜好预测方法及系统 | |
AU2007205790B2 (en) | Method of improving a colour filter | |
CN114858281A (zh) | 一种口红性吸引力预测方法及系统 | |
CN113670442B (zh) | 用于中国彩绘文物照明光源的显色指数计算方法 | |
Xie | Point and line to surface: The geometric elements of display color modeling |
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 |