CN113189021A - 基于光谱识别岩石颜色的方法 - Google Patents

Abstract

本申请涉及一种基于光谱识别岩石颜色的方法。通过获取训练样本集在红、绿、蓝三个波段的光谱反射率值，以及计算训练样本集对应的RGB值，进而构建光谱反射率值与RGB值对应的颜色模型，基于此，可以基于该颜色模型和待识别岩石的光谱反射率确定待识别岩石的颜色。如此设置，(1)不需要考虑光源功率谱分布，以及所测ASD仪器得三色通道光谱相应；(2)光谱反射率应用在岩石颜色上是首次，效果明显；(3)光谱反射率数据多维，而RGB颜色值只有三维，如果在两者以这种状态建立关系，则公式不稳定，会导致病态拟合，因此，在本次发明中，仅提取RGB三色波段的反射率，进行关系建立，保证公式稳定和一一对应，大大提高了可靠性。

Description

基于光谱识别岩石颜色的方法

技术领域

本申请涉及光谱数据应用技术领域，尤其涉及一种基于光谱识别岩石颜色的方法。

背景技术

在地质学领域，对岩石颜色的描述，至关重要。岩石的颜色可以直接用来识别某些矿物，比如橄榄石通常是一种与众不同的橄榄绿色，但也可能是黄色；石榴石的颜色深浅从黑色到无色都有；另外，“西瓜”电气石常是黑色、浅绿与红色的集合。但是，其他一些矿物拥有确定的颜色，比如绿色的孔雀石和蓝色的蓝铜矿。人类的眼睛可以看到各种各样的颜色，但是每个人看到的颜色又各不相同，比如同一块岩石，有的人看到的是肉红色，有的人看到的是棕红色，这与不同频段的光进入人眼后刺激视觉神经，然后经大脑处理为颜色的过程有关，是因人而异的。因此人能够看到的颜色不一定就等于物体本身的颜色

基于此，如何准确确定岩石的颜色是亟待解决的问题。

发明内容

本申请提供一种基于光谱识别岩石颜色的方法，以解决如何准确确定岩石颜色的问题。

本申请的上述目的是通过以下技术方案实现的：

本申请实施例提供一种基于光谱识别岩石颜色的方法，其包括：

获取训练样本集，通过光谱采集设备采集其反射光谱，并提取在红、绿、蓝三个波段的光谱反射率值；

根据颜色转换公式，计算训练样本集中各颜色对应的RGB值；

采用回归分析方法，构建所述光谱反射率值与所述RGB值对应的颜色模型；

获取待识别岩石的光谱反射率值，作为待识别反射率值；

将所述待识别反射率值代入所述颜色模型，得到RGB值，进而确定待识别岩石的颜色。

可选的，所述训练样本集采用孟赛尔岩石图库。

可选的，所采用的红、绿、蓝三个波段的波长分别为700nm、546nm和436nm。

可选的，所述根据颜色转换公式，计算训练样本集中各颜色对应的RGB值，包括：

应用CIE Yxy模式和CIE XYZ模式作为过渡，建立数学模型，实现色空间的转换。

可选的，所述构建所述光谱反射率值与所述RGB值对应的颜色模型包括：

构建如下颜色模型：

式中，A_R、A_G、A_B分别代表红、绿、蓝三个波段的RGB值，X_R、X_G、X_B分别代表RGB三色的系数矩阵，B_R、B_G、B_B分别代表红、绿、蓝三个波段的光谱反射率值；其中，系数矩阵X_R、X_G、X_B通过线性回归分析方法求解得到。

可选的，所述构建所述光谱反射率值与所述RGB值对应的颜色模型，之前还包括：

对计算得到的训练样本集中各颜色对应的RGB值进行归一化处理。

可选的，所述方法还包括：

基于测试样本集验证构建的颜色模型的准确性，以对所述颜色模型进行优化。

可选的，采用的线性回归分析方法包括一元线性/非线性回归和多元线性/非线性回归。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请的实施例提供的技术方案中，通过获取训练样本集在红、绿、蓝三个波段的光谱反射率值，以及计算训练样本集对应的RGB值，进而构建光谱反射率值与RGB值对应的颜色模型，基于此，可以基于该颜色模型和待识别岩石的光谱反射率确定待识别岩石的颜色。如此设置，(1)不需要考虑光源功率谱分布，以及所测ASD仪器得三色通道光谱相应；(2)光谱反射率应用在岩石颜色上是首次，效果明显；(3)光谱反射率数据多维，而RGB颜色值只有三维，如果在两者以这种状态建立关系，则公式不稳定，会导致病态拟合，因此，在本次发明中，仅提取RGB三色波段的反射率，进行关系建立，保证公式稳定和一一对应，大大提高了可靠性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例提供的一种基于光谱识别岩石颜色的方法的流程示意图；

图2为从孟塞尔色空间HVC到RGB色空间的转换过程示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

为了解决背景技术部分提到的问题，考虑到物体的颜色由发出的光或者反射得光的频率决定，是绝对的特性，因而根据频率分析就可以得出到底是什么颜色。基于此，本申请提供一种基于光谱识别岩石颜色的方法，通过ASD光谱分析仪(便携式地物光谱仪)所测的岩石在可见光波段的反射率，进而通过分析识别岩石颜色，减少人为颜色定义的误差。以下通过实施例进行详细说明。

实施例

参照图1，图1为本申请实施例提供的一种基于光谱识别岩石颜色的方法的流程示意图。如图1所示，该方法至少包括以下步骤：

S101：获取训练样本集，通过光谱采集设备采集其反射光谱，并提取在红、绿、蓝三个波段的光谱反射率值；

具体的，本实施例中训练样本集采用孟赛尔岩石图库(Munsell Rock ColorBook)的94种颜色为例。光谱采集设备采用型号FieldSpec 4的便携式地物光谱仪(以下简称光谱仪)。另外，采用由潘通色卡(PANTONE)中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和样本同样适用。

在上述基础上，按照以下步骤开始采集训练样本集在红、绿、蓝三个波段的光谱反射率值：

1.进行准备工作

光谱仪和计算机充电，红色灯亮表示电量不足，绿色表示电量充足，黄色灯闪表示过热，需要等待一段时间。

安装适当的镜头，及其他附件，并准备好白板。

依次打开光谱仪电源和计算机电源，并启动处理软件，光谱仪需要预热15分钟左右，如需精细测量，则预热80-90分钟。

在软件上选择相应的镜头并调整光谱平均、暗电流平均、和白板采集平均次数。

软件中填写保存路径、名称和其他内容。

其中，暗电流平均意思是看不见的干扰，指的是电子仪器本身带来的辐射。白板平均采集数，对基准白板的反射率采集平均数，一般对应被测物光谱采集数。光谱平均采集数，表示一次采集的快慢，10表示一秒擦亮10次，可在1-100内设置，越大表示采集时间越长，精度越好，去噪越好，耗电越大。

2.执行测量过程

镜头对准白板，点击OPT进行优化(保证白板必须充满镜头视场)，镜头仍然对准白板，点击WR采集参比光谱，此时，软件自动进入反射率测量状态。镜头移向被测目标，按空格键存储采集到的目标反射光谱。

3.获取训练样本集的光谱反射率值

光谱仪可获取波段350nm-2500nm之间的反射率值。国际照明委员会(CIE)规定红、绿、蓝三原色的波长分别是：700nm、546.1nm，435.8nm。为了便于后续说明，将提取得到的光谱反射率值记为B矩阵，具体值如表2所示。

表2样本集反射率

S102：根据颜色转换公式，计算训练样本集中各颜色对应的RGB值；

在训练样本集采用孟赛尔岩石图库时，本步骤也即实现从孟赛尔空间到RGB数据的转换过程。

比如，可以按照图2所示的步骤实现两个色空间的转换。也即，应用CIE Yxy模式和CIE XYZ模式作为过渡，建立数学模型，实现色空间的转换。

具体的，转换过程可以分为以下几个步骤：

1.孟塞尔色空间HVC与CIE Yyz的色空间转换

CIE Yyz是以不同的方式表示CIE Xyz的颜色空间，允许仅在X和Y坐标方面以2D的方式来表示颜色，在CIE xy色度图中，由色度坐标X,Y所描述的点和该颜色与该颜色的特征一一对应，因此可以借助色度图，确当颜色的主波长(色相H)和纯度(饱和度C)，而三刺激值Y则表示亮度因子(明度)。

2.亮度V与亮度因子Y的转换

根据视觉实验的结果，亮度V和亮度因子Y之间存在非线性关系，它们之间的函数关系可以用如下五阶多项式表示：

Y＝1.2219V-0.2311V²+0.23951V³-0.021009V⁴+0.000840V⁵

3.色相H、饱和度C与色度坐标x、y之间的转换

在孟塞尔颜色系统中，对于具有相同亮度值的颜色样本，仅改变色调和色度的二维坐标，对应在CIE 1931色度图上，色度坐标只有x和y不同，在新坐标系统中，根据视觉亮度实验，从1到9的9个亮度等级，在CIE色度图上绘制恒定色相轨迹和恒定彩度轨迹，而这9张图就是CIE Yxy和HVC表色方法之间的转换依据。

4.CIE Yyz与CIE XYZ的色空间转换

所有CIE XYZ颜色在CIE Yyz空间中都具有唯一的位置，而且马蹄形的外缘对应于人类可以看到的各种光谱纯度的实际光波长，因此XYZ和Yxy可以通过以下公式联系起来：

5.CIE XYZ到RGB的色空间转换

CIE XYZ色空间就是在RGB的色空间转的基础上，用数学方法运用理想三原色来替代实际三原色，其理论公式为：

通过上述转换，得到了训练样本集中样本从孟塞尔空间转换到RGB空间的RGB值，且对所得RGB值进行归一化处理，结果记为矩阵A。在后续的步骤中，所得的RGB值将作为因变量进行数据构建。其中，转换结果如下表3所示。

表3 Munsell色库与RGB值对应表

S103：采用回归分析方法，构建所述光谱反射率值与所述RGB值对应的颜色模型；

也即，构建矩阵A与B之间的关系(分别构建R-R,G-G,B-B关系)

具体的，构建如下颜色模型：

式中，A_R、A_G、A_B分别代表红、绿、蓝三个波段的RGB值，X_R、X_G、X_B分别代表RGB三色的系数矩阵，B_R、B_G、B_B分别代表红、绿、蓝三个波段的光谱反射率值；其中，系数矩阵X_R、X_G、X_B通过线性/非线性回归分析方法求解得到。

其中，针对回归分析方法，分别尝试了一元线性/非线性回归和多元线性/非线性回归，力求得到最佳解。

一般地，影响y的因素往往不止一个，假设有x₁，x₂，…，x_k，k个因素，通常可考虑如下的线性关系式：

y＝β₀+β₁x₁+β₂x₂+…+β_kx_k+ε

对y与x₁，x₂，…，x_k同时作n次独立观察得n组观测值(x_t1，x_t2，…，x_tk，t＝1,2,...,n(n>k+1)，它们满足关系式：

y＝β₀+β₁x_t1+β₂x_t2+…+β_kx_tk+ε

其中，ε₁…ε_k互不相关均是与ε同分布的随机变量.

用矩阵表示上式，于是有Y＝Xβ+ε,使用最小二乘法得到β的解

其中，(X^TX)^-1X^T称为X的逆。

其中，对于一元线性/非线性回归：

使用均方误差MSE(mean-square error)来判断距离，并限定损失函数为平方损失函数，也就是普通最小二乘法(Ordinary Least Square，OLS)得到目标函数，其中二乘表示取平方，最小表示损失函数最小，公式如下：

接下来通过调整参数使得模型能够更加贴合真实数据：

所选择的回归模型应该使所有测量值的残差平方和达到最小，即采用平方损失函数E_(w,b)是关于w和b的凹函数，当它关于w和b的倒数均为0时，得到w和b的最优解：

解得：

此外，对于多元线性/非线性回归：

比一元线性回归复杂的是，多元线性回归组成的不是直线，是一个多维空间中的超平面，数据点散落在超平面两侧。

将偏置项B放入参数矩阵W中，并在自变量矩阵X中增加一列value为1的列向量，用W表示(w,b)，按如下公式求具体参数：

W^*＝argmin(y-XW^*)^T(y-XW^*)

W^*＝(X^TX)^-1X^Ty

如此，得到相应的参数之后，即可构建所需的颜色模型。

S104：获取待识别岩石的光谱反射率值，作为待识别反射率值；

其中，获取待识别反射率值的方法和前述步骤中一致，具体不再详述。

S105：将所述待识别反射率值代入所述颜色模型，得到RGB值，进而确定待识别岩石的颜色。

也即，通过前述颜色模型，即可得到待识别反射率值对应的RGB值，再根据RGB值查找色号，从而完成岩石颜色的识别。

此外，在得到颜色模型后，还可以再基于测试样本集验证其准确性，以对颜色模型进行优化。

验证颜色模型的准确性，也即检验(评价)模型在应用中的表现，是指模型建立好以后，使用别的数据集时(测试数据集、真实数据集)，这组模型参数的表现效果，目的是为了选择模型参数。其中，评价指标是针对将相同的数据，输入不同的算法模型，或者输入不同参数的同一种算法模型，而给出这个算法或者参数好坏的定量指标。

比如，评价指标可以采用如下几种参数：

1.均方误差(MSE)

其也即真实值减去预测值，然后平方之后求和平均。公式如下：

在同样的数据集的情况下，MSE越小，则误差越小，模型效果越好。

2.均方根误差(RMSE)，也称为标准误差

计算公式如下：

MSE是用来衡量一组数自身的离散程度，而RMSE是用来衡量观测值同真值之间的偏差，它们的研究对象和研究目的不同。它的意义在于开根号后，误差的结果就与数据是一个级别的，可以更好地来描述数据。标准误差对一组测量中的特大或特小误差反映非常敏感，所以，标准误差能够很好地反映出测量的精密度。这正是标准误差在工程测量中广泛被采用的原因。

3.平均绝对误差(MAE)

平均绝对误差是绝对误差的平均值，平均绝对误差能更好地反映预测值误差的实际情况。计算公式如下：

MAE是一个线性的指标，所有个体差异在平均值上均等加权，所以它更加凸显出异常值。MSE和MAE适用于误差相对明显的时候，此时大的误差也有比较高的权重。

4.R-square(决定系数)

对于回归类算法而言，只探索数据预测是否准确是不足够的。除了数据本身的数值大小之外，人们还希望模型能够捕捉到数据的“规律”，比如数据的分布规律，单调性等等，而是否捕获了这些信息并无法使用MSE或者MAE等来衡量。

5.回归方程误差

也即，离差平方和：

其中，

表示y的平方和；r是相关系数，表示变异被回归直线解释的比例；s_yy(1-r²)表示不能被回归直线解释的比例的变异，即SEE。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于光谱识别岩石颜色的方法，其特征在于，包括：

获取训练样本集，通过光谱采集设备采集其反射光谱，并提取在红、绿、蓝三个波段的光谱反射率值；

根据颜色转换公式，计算训练样本集中各颜色对应的RGB值；

采用回归分析方法，构建所述光谱反射率值与所述RGB值对应的颜色模型；

获取待识别岩石的光谱反射率值，作为待识别反射率值；

将所述待识别反射率值代入所述颜色模型，得到RGB值，进而确定待识别岩石的颜色。

2.根据权利要求1所述的方法，其特征在于，所述训练样本集采用孟赛尔岩石图库。

3.根据权利要求1所述的方法，其特征在于，所采用的红、绿、蓝三个波段的波长分别为700nm、546nm和436nm。

4.根据权利要求2所述的方法，其特征在于，所述根据颜色转换公式，计算训练样本集中各颜色对应的RGB值，包括：

应用CIE Yxy模式和CIE XYZ模式作为过渡，建立数学模型，实现色空间的转换。

5.根据权利要求1所述的方法，其特征在于，所述构建所述光谱反射率值与所述RGB值对应的颜色模型包括：

构建如下颜色模型：

式中，A_R、A_G、A_B分别代表红、绿、蓝三个波段的RGB值，X_R、X_G、X_B分别代表RGB三色的系数矩阵，B_R、B_G、B_B分别代表红、绿、蓝三个波段的光谱反射率值；其中，系数矩阵X_R、X_G、X_B通过线性/非线性回归分析方法求解得到。

6.根据权利要求1所述的方法，其特征在于，所述构建所述光谱反射率值与所述RGB值对应的颜色模型，之前还包括：

对计算得到的训练样本集中各颜色对应的RGB值进行归一化处理。

7.根据权利要求1所述的方法，其特征在于，还包括：

基于测试样本集验证构建的颜色模型的准确性，以对所述颜色模型进行优化。

8.根据权利要求1所述的方法，其特征在于，采用的线性回归分析方法包括一元线性/非线性回归和多元线性/非线性回归。

Images