CN113920113A - 一种对高光谱图像进行点对点白参比校正的方法与系统 - Google Patents
一种对高光谱图像进行点对点白参比校正的方法与系统 Download PDFInfo
- Publication number
- CN113920113A CN113920113A CN202111477742.XA CN202111477742A CN113920113A CN 113920113 A CN113920113 A CN 113920113A CN 202111477742 A CN202111477742 A CN 202111477742A CN 113920113 A CN113920113 A CN 113920113A
- Authority
- CN
- China
- Prior art keywords
- sample
- white
- standard reference
- hyperspectral
- whiteboard
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明给出了一种对高光谱图像进行点对点白参比校正的方法与系统,包括预先拍摄标准参考白板的高光谱数据white(x,y,w),并存储记录;再拍摄样品数据高光谱数据sample(x,y,w);在样品高光谱数据sample(x,y,w)中选取一小块没有被遮挡的白板区域,记为区域A;在样品图像上计算该ROI区域内的光谱平均值,得到SA(w);并计算白板数据中相同ROI区域内的平均光谱,得到WA(w);两者相除,得到矫正系数alpha(w);将白参矫正系数alpha(w)乘以白参比矫正后的样品反射率图像矩阵,得到最终的高光谱反射比图像矩阵。本发明无需单独采集白板光谱,降低了数据采集时间,增加了分析效率,可以有效提升高光谱分析的准确性;并且,使用同一次拍摄的数据做白参矫正,大大增加了测量的可靠性和可重复性。
Description
技术领域
本发明涉及高光谱分析技术领域,尤其是一种对高光谱图像进行点对点白参比校正的方法与系统。
背景技术
高光谱成像技术可以同时获得图像信息和光谱信息,在图像维度可以结合机器视觉技术对物体图像进行判别,在光谱维度还可以对物质成分进行分析,是具有很大潜力的新技术。高光谱成像技术的光谱分析能力来源于光谱可以记录不同波长下光和物质的相互作用所获得的光谱信息,而这些光谱信息与物体的理化成分等信息相互对应。
光和物质相互作用过程描述:当入射光照在物质上时,物质的组成成分会对光产生吸收、反射和散射,从而改变反射(或透射)的光的光谱形状;物质不同的组分,对光的作用也不尽相同,也就导致了组成成分不同的物质,其光谱形状也不相同。反射或透视光的绝对光谱形状,会受光源形状的变化而变化,但是相对反射率(透射率)的光谱,与光源无关。特别对一些对分析精度有较高的要求的应用场景,计算反射率光谱是不可缺少的一步。一般获得反射率的方法的做白参校正。
由于考虑到使用过程中,白板上的一小点污染即会影响整个校正参数的计算,严重影响校正精度,因此设计对参考区域的保护结构,保证所选的参考区域能采集到可靠的数据,保证应用上述算法做白参校正时的精度和稳定性。同时,对一些透过率较高的样品,如翡翠或水晶等,除了参考区域影响校正精度外,放置样品的白板区域是否被污染同样影响校正的精度。
现有的白参校正方案主要有以下两种:
1、在样品拍摄面上,先拍一块标准白板的高光谱数据data_white(x,y,w),(x,y,w分别表示相片的宽、高和波长;)记录各空间位置光源光谱的形状,再拍样品的高光谱数据data_sample(x,y,w),将样品的高光谱数据和白板的高光谱数据进行矩阵点除得到样品的反射率REFL(x,y,w),该方法能对每个像素点分别进行白参校正,但需要拍摄两次,才能获得样品的反射率光谱,过程繁杂,且两次拍摄之间可能存在设备稳定性误差。
2、拍摄样品的高光谱数据data_sample(x,y,w)时,在样品的旁边放一块小白板,从小白板上获得光源光谱的形状data_white(1,1,w),将该光谱矩阵的一维复制x个副本data_white(x,1,w),再将data_white(x,1,w)在第二维复制y个副本,得到白板的高光谱数据data_white(x,y,w)。将样品的高光谱数据和白板的高光谱数据进行矩阵点除得到样品的反射率REFL(x,y,w);该方法只需拍摄一次,过程简单,但默认高光谱图像维度的各个像素点,光源光谱形状相同,没有考虑光源、相机成像芯片、环境光等的不均匀性带来的误差。
目前,业界尚缺乏一种简单且准确度高的对高光谱的各个像素进行点对点的白参校正方法。
发明内容
本发明提出了一种对高光谱图像进行点对点白参比校正的方法与系统,以解决上文提到的现有技术的缺陷。
在一个方面,本发明提出了一种对高光谱图像进行点对点白参比校正的方法,该方法包括以下步骤:
S1:搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
S2:将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
S3:在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
S4:在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
S5:将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:
REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
首先,以上方法针对具有多帧图像的高光谱相片运用了更精准的白参矫正方法,可以从样品的单张高光谱相片中,根据某一固定白板小区域的光谱曲线,结合内存里的白板校正参数,还原被拍摄面上各个像素点的光源光谱信息;再利用还原出的各像素点的白板光谱信息,对样品的高光谱数据进行像素点对点的白参校正。其次,本方法不仅对高光谱图像运用了更精准的白参矫正方法(考虑到多帧白参可能存在的误差),还同时从样品的单张高光谱相片中,根据某一固定白板小区域的光谱曲线,结合内存里的白板校正参数,还原被拍摄面上各个像素点的光源光谱信息。应用还原出的各像素点的光源光谱信息,对样品的高光谱数据进行精准的像素点对点的白参校正。
本方法所使用的标准白板就是用在仪器校准时用的反射率白板,其反射率高,表面平整均匀,漫射性好,稳定性好,其反射谱线可以用于代表光源光谱,从而用于计算对象物体的反射光谱。
使用本发明中的方法具有以下有益效果:
1、可以简化高光谱分析流程。正常的高光谱分析,主要包括样品光谱采集、参比光谱采集和数据处理分析三个部分;而本发明因为无需单独采集白板光谱,故可以省去参比光谱采集部分,将流程简化为两个部分,降低了数据采集时间,增加了分析效率;
2、使用本发明中的方法,可以增加反射率光谱计算的准确性。本发明的技术方案,不需要每次重新再次拍摄白板,通过算法即可根据预存白板数据还原白板各像素点的光源光谱数据(该光源光谱数据是基于本次拍摄时光源类型和光源亮度下的数据),实现对样品进行点对点的白板校正,点对点的白板校正可以避免由于光源不均匀带来的误差。对于玉石、宝石等透明或者半透明被摄物的拍摄,使用这一方法和装置,可以有效提升高光谱分析的准确性;
3、使用同一次拍摄的数据做白参矫正,能避免两次拍摄(白板拍摄和样品拍摄)间因为设备硬件或环境的细微变化引起的额外误差,大大增加测量的可靠性和可重复性。
在具体的实施例中,所述存储记录所述标准参考白板的高光谱数据,将所述标准参考白板的高光谱数据存储为预存的标准参考白板的高光谱数据,在一定的时间范围内,使用所述预存的标准参考白板的高光谱数据作为所述标准参考白板的高光谱数据来执行所述S2至S5。
在具体的实施例中,所述标准参考白板具体包括白板基底和保护盖:
所述白板基底厚度为m毫米,外轮廓形状和大小根据拍摄的应用场景具体设计,包括方形、圆形和椭圆形;
所述白板基底的上表面覆盖有各向均匀漫反射特性的涂层,且所述白板基底的上表面存在向下凹陷的区域,所述向下凹陷的区域即为所述区域A,所述向下凹陷的区域的凹陷深度为n毫米(m>n),所述向下凹陷的区域其底面和侧壁均与所述标准参考白板的上表面有相同的漫反射特性,所述漫反射特性包括漫反射涂层;
所述向下凹陷的区域包括所述标准参考白板上的不同形状和大小的一个或多个不同的位置;
所述保护盖为覆盖在所述标准参考白板表面的一层光谱透明材料;
所述光谱透明材料根据实际应用进行选择,包括在所测试的光谱波段范围内没有明显吸收特性的透明的材料,并且所述光谱透明材料为具有耐磨和易于清洗的特点的材料,所述光谱透明材料的厚度范围包括0至10毫米;
所述光谱透明材料具体包括石英玻璃和蓝宝石镜面;
所述保护盖被装配在所述标准参考白板上的所述向下凹陷的区域,其中所述保护盖的个数与所述向下凹陷的区域的个数相同。
在具体的实施例中,所述对将要用于进行点对点白参比校正的标准参考白板拍摄照片时,将所述保护盖装配在所述白板基底上,得到装配好的标准参考白板,再将所述装配好的标准参考白板放置在所述硬件场景中的用于拍摄所述待测样品的拍摄面上;
在所述拍摄所述待测样品的照片时,将所述待测样品放置于所述装配好的标准参考白板上未被所述保护盖保护的区域。
在具体的实施例中,当所述白板基底受到一定程度的污染时:
使用与所述标准参考白板具有同样结构的白板基底对受污染的白板基底进行替换;
所述替换间隔固定时间或在拍摄若干个待测样品后进行。
在具体的实施例中,所述方法还包括:基于所述校正后的高光谱反射率图像矩阵,同时利用已经训练好的包括K最近邻(KNN)、支持向量机(SVM)、人工神经网络(ANN)和深度神经网络(NN)在内的化学计量学模型对所述待测样品进行分析。
根据本发明的第二方面,提出了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机处理器执行时实施上述方法。
根据本发明的第三方面,提出一种对高光谱图像进行点对点白参比校正的系统,该系统包括:
白板高光谱数据获取模块:配置用于搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
样品高光谱数据获取模块:配置用于将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
参考区域选取模块:配置用于在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
白参比校正系数获取模块:配置用于在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
白参比校正模块:配置用于将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:
REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
本发明预先拍摄标准参考白板的高光谱数据white(x,y,w),并存储记录;再拍摄样品数据高光谱数据sample(x,y,w);在样品高光谱数据sample(x,y,w)中选取一小块没有被遮挡的白板区域,记为区域A;在样品图像上计算该ROI区域内的光谱平均值,得到SA(w);并计算白板数据中相同ROI区域内的平均光谱,得到WA(w);两者相除,得到矫正系数alpha(w)=WA(w)./SA(w);将白参矫正系数alpha乘以白参比矫正后的样品反射率图像矩阵,得到最终的高光谱反射比图像矩阵REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。本发明无需单独采集白板光谱,降低了数据采集时间,增加了分析效率,可以有效提升高光谱分析的准确性;并且,使用同一次拍摄的数据做白参矫正,大大增加了测量的可靠性和可重复性。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过引用以下详细描述,它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是本发明的一个实施例的一种对高光谱图像进行点对点白参比校正的方法的流程图;
图3是本发明的一个具体的实施例的标准参考白板的结构图;
图4是本发明的一个具体的实施例的用于利用高光谱成像技术进行珠宝检测的硬件搭建图;
图5是本发明的一个具体的实施例的利用高光谱成像技术进行珠宝检测的流程图;
图6是本发明的一个具体的实施例的利用高光谱成像技术进行珠宝检测的白板示意图;
图7是本发明的一个具体的实施例的利用高光谱成像技术对宝石色彩进行测量的流程图;
图8是本发明的一个实施例的一种对高光谱图像进行点对点白参比校正的系统的框架图;
图9是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的一种对高光谱图像进行点对点白参比校正的方法的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种应用,例如数据处理类应用、数据可视化类应用、网页浏览器应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上展示的待测样品的照片提供支持的后台信息处理服务器。后台信息处理服务器可以对获取的高光谱数据进行处理,并生成处理结果(例如高光谱反射率图像矩阵)。
需要说明的是,本申请实施例所提供的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应的装置一般设置于服务器105中,也可以设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
根据本发明的一个实施例的一种对高光谱图像进行点对点白参比校正的方法,图2示出了根据本发明的实施例的一种对高光谱图像进行点对点白参比校正的方法的流程图。如图2所示,该方法包括以下步骤:
S1:搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
S2:将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
S3:在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
S4:在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
S5:将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:
REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
在具体的实施例中,所述存储记录所述标准参考白板的高光谱数据,将所述标准参考白板的高光谱数据存储为预存的标准参考白板的高光谱数据,在一定的时间范围内执行权利要求1所述的方法时,使用所述预存的标准参考白板的高光谱数据作为所述标准参考白板的高光谱数据来执行所述S2至S5。
在具体的实施例中,所述标准参考白板具体包括白板基底和保护盖:
所述白板基底厚度为m毫米,外轮廓形状和大小根据拍摄的应用场景具体设计,包括方形、圆形和椭圆形;
所述白板基底的上表面覆盖有各向均匀漫反射特性的涂层,且所述白板基底的上表面存在向下凹陷的区域,所述向下凹陷的区域即为所述区域A,所述向下凹陷的区域的凹陷深度为n毫米(m>n),所述向下凹陷的区域其底面和侧壁均与所述标准参考白板的上表面有相同的漫反射特性,所述漫反射特性包括漫反射涂层;
所述向下凹陷的区域包括所述标准参考白板上的不同形状和大小的一个或多个不同的位置;
所述保护盖为覆盖在所述标准参考白板表面的一层光谱透明材料;
所述光谱透明材料根据实际应用进行选择,包括在所测试的光谱波段范围内没有明显吸收特性的透明的材料,并且所述光谱透明材料为具有耐磨和易于清洗的特点的材料,所述光谱透明材料的厚度范围包括0至10毫米;
所述光谱透明材料具体包括石英玻璃和蓝宝石镜面;
所述保护盖被装配在所述标准参考白板上的所述向下凹陷的区域,其中所述保护盖的个数与所述向下凹陷的区域的个数相同。
图3示出了本发明的一个具体的实施例的标准参考白板的结构图,图中主要包括白板基底301、白板上的凹陷302和保护盖303:
1、白板基底301:其厚度为m毫米,其外轮廓形状和大小根据拍摄的应用场景具体设计(可以是如图的方形或其他圆形,椭圆形等)。其上表面覆盖有各向均匀漫反射特性的涂层。其白板上表面的某个区域向下凹陷(该区域为所选择的参考白板区域),其凹陷的深度为n毫米(m>n),凹陷部分的底面和侧壁均和白板上表面有相同的漫反射特性(涂有相同的漫反射涂层)。该参考白板区域可以选择白板上的不同位置,可以是不同形状、大小,也可以存在多个被保护的参考区域。当白板基底301受到较大污染时,可用同样结构的替换白板替换(或间隔固定时间、或拍摄N个样品后,对白板基底301进行更换),保证样品拍摄时的辐射度的精准度(即保证反射率计算时的分子的准确性REFL(x,y,w);
2、保护盖303:为覆盖在白板表面的一层光谱透明材料。其材料可以根据实际应用来选择,要求在所测试的光谱波段范围内没有明显吸收特性的透明的材料,且具有耐磨和易于清洗的特点,其厚度一般为几个毫米。常见的材料包括石英玻璃、蓝宝石镜面等;保护盖303将装配在白板上的凹陷302处(保护盖303的个数和白板上的凹陷302个数相同),保护该参考区域不受污染,保证白板校正矩阵的计算精度(即保证反射率计算时的分母的准确性REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。保护盖303易于清洁,可增加白板的使用寿命。
当拍摄的硬件场景搭好后,将保护盖303装配在白板基底301上,将装配好的整块白板放置在所设计的样品拍摄面上,拍摄时将样品置放于白板上未被保护盖303保护的区域(或至少保证有一个被保护的参考区域未被样品覆盖),即可进行数据采集。
在具体的实施例中,所述对将要用于进行点对点白参比校正的标准参考白板拍摄照片时,将所述保护盖装配在所述白板基底上,得到装配好的标准参考白板,再将所述装配好的标准参考白板放置在所述硬件场景中的用于拍摄所述待测样品的拍摄面上;
在所述拍摄所述待测样品的照片时,将所述待测样品放置于所述装配好的标准参考白板上未被所述保护盖保护的区域。
在具体的实施例中,当所述白板基底受到一定程度的污染时:
使用与所述标准参考白板具有同样结构的白板基底对受污染的白板基底进行替换;
所述替换间隔固定时间或在拍摄若干个待测样品后进行。
在具体的实施例中,所述方法还包括:基于所述校正后的高光谱反射率图像矩阵,同时利用已经训练好的包括K最近邻(KNN)、支持向量机(SVM)、人工神经网络(ANN)和深度神经网络(NN)在内的化学计量学模型对所述待测样品进行分析。
1)具体实施例1:使用本发明所述的方法进行珠宝检测。
图4示出了本发明的一个具体的实施例的用于利用高光谱成像技术进行珠宝检测的硬件搭建图,而图5示出了本实施例的流程图。
如图4可知,硬件搭建包括:高光谱相机401;光源402;珠宝检测黑盒403;样品放置台404;石英玻璃405;门开关的转轴406;门面407;门把手408。
其特点是:
高光谱相机401的可视范围刚好是样品放置台404的大小;
珠宝检测黑盒403的各面均是密封,且是黑色材料;
样品放置台404、石英玻璃405的详细结构参考白板的玻璃保护方案,其中石英玻璃405保护的区域选择在样品放置台404的某一角落,放置样品时尽量将样品放于中心位置,不要遮盖了石英玻璃405保护的区域;
406、407、408是门的结构组合,开门后放置样品,关闭门后进行珠宝样品的检测。
硬件搭建好后,进行校正参数的存储:保证样品放置台是无样品且干净的状态,拍摄纯白板的高光谱数据white(x,y,w),计算玻璃保护区域A内的白板平均光谱WA(w),计算基于玻璃保护区域的白参校正矩阵: 将white(x,y,w)中的每一个像素(x,y)分别与WA(w)作哈达玛商:C(x,y,w)=white(x,y,w)./WA(w);存储校正矩阵C(x,y,w),未来应用时直接调用。
图6示出了本发明的一个具体的实施例的利用高光谱成像技术进行珠宝检测的白板示意图,当进行珠宝检测时,参考图6中校准白板示意图601和拍摄白板示意图602:
第一步:校准
如校准白板示意图601所示,保持白板拍摄面无污染物,单独拍摄白板高光谱数据,用于计算白板校正矩阵,这一步可以是该高光谱产品出厂或者给客户安装调试时完成,也可以是设备连续工作一段时间后,由专业工作人员操作更新。具体做法,拍摄白板高光谱数据white(x,y,w),选取某一固定初始参考区域(n*n像素大小的区域,例如图中的位置A所标注区域),计算参考区域A的平均光谱WA(w) = <white(A,w)>A,其中<m>B表示在B区域内,求取m的平均值。计算校正矩阵C(x,y,w),使用white(x,y,w)中的每一个像素的光谱,分别除以参考区域A的平均光谱,即C(x,y,w)=white(x,y,w)./WA(w),其中./表示两个向量的哈达玛商。将该白板高光谱数据white(x,y,w)和校正矩阵C(x,y,w)储存于设备内存中。
第二步:拍摄
1、如拍摄白板示意图602所示在白板上放上珠宝样品,拍摄样品的高光谱数据sample(x,y,w)
2、在拍摄的珠宝的高光谱数据中,计算玻璃保护区域A的平均光谱:SA(w)= <sample(A,w)>A;并读取内存中的校正矩阵C(x,y,w),
3、还原此时的白板数据,记为whiteN(x,y,w),令C(x,y,w)中的每一个像素(x,y)分别与SA(w)作哈达玛积:whiteN(x,y,w)=C(x,y,w).*SA(w)。其中.*表示两个向量或矩阵的哈达玛积;
4、计算反射率,即REFL(x,y,w)=sample(x,y,w)./whiteN(x,y,w);
5、基于反射率数据,使用已经训练好的K最近邻(KNN)、支持向量机(SVM)、人工神经网络(ANN)、深度神经网络(NN)等化学计量学模型对珠宝的种类,真假,是否做优化处理等方向进行分析。
2)具体实施例2:使用本发明所述的方法对宝石色彩进行测量。
图7示出了本发明的一个具体的实施例的利用高光谱成像技术对宝石色彩进行测量的流程图,具体步骤如下:
已有初始的参考区域A1,在基于样品的高光谱数据上判断参考区域A1是否被样品遮挡,如未遮挡,确认参考区域A1有效,并计算该区域内的白板(可以同样预先计算好)和样品的平均光谱WA1(w)和SA1(w),并得到白参矫正系数alpha(w)=WA1(w)/SA1(w);
如遮挡,读取内存中的纯白板高光谱数据white(x,y,w),重新选择新的参考区域A2,并计算基于参考区域A2的白参矫正系数alpha=WA2(w)/SA2(w)。
提取样品的ROI区域B,获得选区B的样品和白板高光谱数据sample(xB,yB,w)和white(xB,yB,w);
计算样品区域的反射率光谱矩阵:
REFL(xB,yB,w)=alpha(w).*sample(xB,yB,w)./white(xB,yB,w);
获得宝石区域的反射率光谱矩阵数据后,可以再根据色彩理论的计算方法计算宝石的具体颜色值并可以此基础做更深入的分析。
应当认识到,理论上,初始的参考区域A1可以选择样品放置面的任何地方;而实际应用时,位置A1的选择最好是样品放置面上不容易被样品覆盖的地方,因此优先选择样品放置面的某一个角落位置。
图8示出了本发明的一个实施例的一种对高光谱图像进行点对点白参比校正的系统的框架图。该系统包括白板高光谱数据获取模块801、样品高光谱数据获取模块802、参考区域选取模块803、白参比校正系数获取模块804和白参比校正模块805。
在具体的实施例中,白板高光谱数据获取模块801被配置用于搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
样品高光谱数据获取模块802被配置用于将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
参考区域选取模块803被配置用于在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
白参比校正系数获取模块804被配置用于在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
白参比校正模块805被配置用于将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
本系统预先拍摄标准参考白板的高光谱数据white(x,y,w),并存储记录;再拍摄样品数据高光谱数据sample(x,y,w);在样品高光谱数据sample(x,y,w)中选取一小块没有被遮挡的白板区域,记为区域A;在样品图像上计算该ROI区域内的光谱平均值,得到SA(w);并计算白板数据中相同ROI区域内的平均光谱,得到WA(w);两者相除,得到矫正系数alpha(w)=WA(w)./SA(w);将白参矫正系数alpha乘以白参比矫正后的样品反射率图像矩阵,得到最终的高光谱反射比图像矩阵REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。本发明无需单独采集白板光谱,降低了数据采集时间,增加了分析效率,可以有效提升高光谱分析的准确性;并且,使用同一次拍摄的数据做白参矫正,大大增加了测量的可靠性和可重复性。
下面参考图9,其示出了适于用来实现本申请实施例的电子设备的计算机系统900的结构示意图。图9示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,并且这些单元的名称在某种情况下并不构成对该单元本身的限定。
本发明的实施例还涉及一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机处理器执行时实施上文中的方法。该计算机程序包含用于执行流程图所示的方法的程序代码。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。
本发明预先拍摄标准参考白板的高光谱数据white(x,y,w),并存储记录;再拍摄样品数据高光谱数据sample(x,y,w);在样品高光谱数据sample(x,y,w)中选取一小块没有被遮挡的白板区域,记为区域A;在样品图像上计算该ROI区域内的光谱平均值,得到SA(w);并计算白板数据中相同ROI区域内的平均光谱,得到WA(w);两者相除,得到矫正系数alpha(w)=WA(w)./SA(w);将白参矫正系数alpha乘以白参比矫正后的样品反射率图像矩阵,得到最终的高光谱反射比图像矩阵REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。本发明无需单独采集白板光谱,降低了数据采集时间,增加了分析效率,可以有效提升高光谱分析的准确性;并且,使用同一次拍摄的数据做白参矫正,大大增加了测量的可靠性和可重复性。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种对高光谱图像进行点对点白参比校正的方法,其特征在于,包括以下步骤:
S1:搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
S2:将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
S3:在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
S4:在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
S5:将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:
REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
2.根据权利要求1所述的方法,其特征在于,所述存储记录所述标准参考白板的高光谱数据,将所述标准参考白板的高光谱数据存储为预存的标准参考白板的高光谱数据,在一定的时间范围内执行权利要求1所述的方法时,使用所述预存的标准参考白板的高光谱数据作为所述标准参考白板的高光谱数据来执行所述S2至S5。
3.根据权利要求1所述的方法,其特征在于,所述标准参考白板具体包括白板基底和保护盖:
所述白板基底厚度为m毫米,外轮廓形状和大小根据拍摄的应用场景具体设计,包括方形、圆形和椭圆形;
所述白板基底的上表面覆盖有各向均匀漫反射特性的涂层,且所述白板基底的上表面存在向下凹陷的区域,所述向下凹陷的区域即为所述区域A,所述向下凹陷的区域的凹陷深度为n毫米(m>n),所述向下凹陷的区域其底面和侧壁均与所述标准参考白板的上表面有相同的漫反射特性,所述漫反射特性包括漫反射涂层;
所述向下凹陷的区域包括所述标准参考白板上的不同形状和大小的一个或多个不同的位置;
所述保护盖为覆盖在所述标准参考白板表面的一层光谱透明材料;
所述光谱透明材料根据实际应用进行选择,包括在所测试的光谱波段范围内没有明显吸收特性的透明的材料,并且所述光谱透明材料为具有耐磨和易于清洗的特点的材料,所述光谱透明材料的厚度范围包括0至10毫米;
所述光谱透明材料具体包括石英玻璃和蓝宝石镜面;
所述保护盖被装配在所述标准参考白板上的所述向下凹陷的区域,其中所述保护盖的个数与所述向下凹陷的区域的个数相同。
4.根据权利要求3所述的方法,其特征在于,所述对将要用于进行点对点白参比校正的标准参考白板拍摄照片时,将所述保护盖装配在所述白板基底上,得到装配好的标准参考白板,再将所述装配好的标准参考白板放置在所述硬件场景中的用于拍摄所述待测样品的拍摄面上;
在所述拍摄所述待测样品的照片时,将所述待测样品放置于所述装配好的标准参考白板上未被所述保护盖保护的区域。
5.根据权利要求3所述的方法,其特征在于,当所述白板基底受到一定程度的污染时:
使用与权利要求3中的所述标准参考白板具有同样结构的白板基底对受污染的白板基底进行替换;
所述替换间隔固定时间或在拍摄若干个待测样品后进行。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于所述校正后的高光谱反射率图像矩阵,同时利用已经训练好的包括K最近邻(KNN)、支持向量机(SVM)、人工神经网络(ANN)和深度神经网络(NN)在内的化学计量学模型对所述待测样品进行分析。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被计算机处理器执行时实施权利要求1至6中任一项所述的方法。
8.一种对高光谱图像进行点对点白参比校正的系统,其特征在于,包括:
白板高光谱数据获取模块:配置用于搭建拍摄所使用的硬件场景,对将要用于进行点对点白参比校正的标准参考白板拍摄照片,从而获取所述标准参考白板的高光谱数据,并存储记录所述标准参考白板的高光谱数据,所述标准参考白板的高光谱数据表示为white(x,y,w),其中x,y,w分别表示所述照片的宽、高和波长;
样品高光谱数据获取模块:配置用于将待测样品放置于所述标准参考白板上,拍摄所述待测样品的照片,从而获得所述待测样品的高光谱数据sample(x,y,w),其中x,y,w分别表示所述待测样品的照片的宽、高和波长;
参考区域选取模块:配置用于在所述待测样品的高光谱数据sample(x,y,w)中选取没有被遮挡且无阴影的所述标准参考白板的某一部分范围内的区域,并将所述区域记为区域A;
白参比校正系数获取模块:配置用于在所述待测样品的照片上计算所述区域A内的光谱平均值,得到的光谱平均值表示为SA(w),并计算所述标准参考白板的高光谱数据white(x,y,w)中与所述区域A相同的区域内的光谱平均值,得到的光谱平均值表示为WA(w),将WA(w)和SA(w)相除得到白参比校正系数alpha(w)=WA(w)./SA(w);
白参比校正模块:配置用于将所述待测样品的高光谱数据除以所述标准参考白板的高光谱数据,得到反射比高光谱矩阵,再将所述反射比高光谱矩阵与所述白参比校正系数alpha(w)相乘,从而得到校正后的高光谱反射率图像矩阵:
REFL(x,y,w)=alpha(w).*sample(x,y,w)./white(x,y,w)。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477742.XA CN113920113B (zh) | 2021-12-06 | 2021-12-06 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
PCT/CN2023/073836 WO2023104220A2 (zh) | 2021-12-06 | 2023-01-30 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477742.XA CN113920113B (zh) | 2021-12-06 | 2021-12-06 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113920113A true CN113920113A (zh) | 2022-01-11 |
CN113920113B CN113920113B (zh) | 2022-03-18 |
Family
ID=79248677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111477742.XA Active CN113920113B (zh) | 2021-12-06 | 2021-12-06 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113920113B (zh) |
WO (1) | WO2023104220A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690388A (zh) * | 2023-01-03 | 2023-02-03 | 优尼科(青岛)微电子有限公司 | 一种基于法珀腔光谱成像的图像数据预处理方法及设备 |
WO2023104220A3 (zh) * | 2021-12-06 | 2023-08-03 | 深圳市海谱纳米光学科技有限公司 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
CN117405605A (zh) * | 2023-12-15 | 2024-01-16 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117848972B (zh) * | 2024-03-07 | 2024-05-10 | 宝鸡西工钛合金制品有限公司 | 一种钛合金阳极氧化前处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472525A (zh) * | 2002-07-30 | 2004-02-04 | 中国石油化工股份有限公司 | 在线近红外光谱仪 |
JP2013132042A (ja) * | 2011-11-25 | 2013-07-04 | Ricoh Co Ltd | 画像検査装置、画像形成装置、画像検査方法及びプログラム |
CN104849220A (zh) * | 2015-06-09 | 2015-08-19 | 武汉大学 | 一种平面式文物光谱图像获取方法 |
CN109668843A (zh) * | 2019-01-07 | 2019-04-23 | 江苏大学 | 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法 |
CN112949411A (zh) * | 2021-02-04 | 2021-06-11 | 南京大学 | 一种光谱图像校正方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5327419B2 (ja) * | 2007-11-02 | 2013-10-30 | 日本電気株式会社 | ハイパースペクトル画像解析システム、その方法及びそのプログラム |
CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
CN110441249B (zh) * | 2019-09-10 | 2021-12-28 | 四川轻化工大学 | 基于高光谱图像技术的窖泥总酸预测模型建立的方法 |
CN113920113B (zh) * | 2021-12-06 | 2022-03-18 | 深圳市海谱纳米光学科技有限公司 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
-
2021
- 2021-12-06 CN CN202111477742.XA patent/CN113920113B/zh active Active
-
2023
- 2023-01-30 WO PCT/CN2023/073836 patent/WO2023104220A2/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472525A (zh) * | 2002-07-30 | 2004-02-04 | 中国石油化工股份有限公司 | 在线近红外光谱仪 |
JP2013132042A (ja) * | 2011-11-25 | 2013-07-04 | Ricoh Co Ltd | 画像検査装置、画像形成装置、画像検査方法及びプログラム |
CN104849220A (zh) * | 2015-06-09 | 2015-08-19 | 武汉大学 | 一种平面式文物光谱图像获取方法 |
CN109668843A (zh) * | 2019-01-07 | 2019-04-23 | 江苏大学 | 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法 |
CN112949411A (zh) * | 2021-02-04 | 2021-06-11 | 南京大学 | 一种光谱图像校正方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023104220A3 (zh) * | 2021-12-06 | 2023-08-03 | 深圳市海谱纳米光学科技有限公司 | 一种对高光谱图像进行点对点白参比校正的方法与系统 |
CN115690388A (zh) * | 2023-01-03 | 2023-02-03 | 优尼科(青岛)微电子有限公司 | 一种基于法珀腔光谱成像的图像数据预处理方法及设备 |
CN115690388B (zh) * | 2023-01-03 | 2023-03-10 | 优尼科(青岛)微电子有限公司 | 一种基于法珀腔光谱成像的图像数据预处理方法及设备 |
CN117405605A (zh) * | 2023-12-15 | 2024-01-16 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正系统及方法 |
CN117405605B (zh) * | 2023-12-15 | 2024-03-05 | 浙江大学 | 高光谱图像获取中消除光场非均匀分布的校正系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023104220A3 (zh) | 2023-08-03 |
CN113920113B (zh) | 2022-03-18 |
WO2023104220A2 (zh) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113920113B (zh) | 一种对高光谱图像进行点对点白参比校正的方法与系统 | |
Wagner | Calibration of grey values of hemispherical photographs for image analysis | |
Ghosh et al. | BRDF acquisition with basis illumination | |
US7200262B2 (en) | 3-dimensional image processing method, 3-dimensional image processing device, and 3-dimensional image processing system | |
JP6516691B2 (ja) | コンパクトな分光計 | |
US9316539B1 (en) | Compact spectrometer | |
CN107657240A (zh) | 一种显示装置及其指纹识别校准方法、以及电子设备 | |
US20030169345A1 (en) | Stray light correction method for imaging light and color measurement system | |
US8111290B2 (en) | Radiometric calibration using temporal irradiance mixtures | |
Ciortan et al. | A practical reflectance transformation imaging pipeline for surface characterization in cultural heritage | |
Tominaga et al. | Spectral image acquisition, analysis, and rendering for art paintings | |
JP2013033006A (ja) | 分光情報取得装置、分光情報取得方法及び分光情報取得用プログラム | |
Hussain et al. | Design of a 3D printed compact interferometric system and required phone application for small angular measurements | |
JP3657345B2 (ja) | 膜厚検査装置 | |
JP3417494B2 (ja) | 硝子基板の表面うねり検査方法及び装置 | |
CN112513615A (zh) | 用于校准积分腔的方法 | |
CN113252585B (zh) | 一种基于高光谱图像判断黄金表面覆膜的方法和装置 | |
Quéau et al. | Microgeometry capture and RGB albedo estimation by photometric stereo without demosaicing | |
JP7306673B2 (ja) | 評価システム及び評価方法 | |
Wright et al. | Free and open-source software for object detection, size, and colour determination for use in plant phenotyping | |
Rushmeier et al. | Experiments with a low-cost system for computer graphics material model acquisition | |
CN113994196A (zh) | 确定体液中分析物的浓度的方法和配置为用于确定体液中分析物的浓度的移动装置 | |
Ulanch | Replicating the blue wool response using a smartphone spectroradiometer | |
Achatzi et al. | Measurement and analysis of the point spread function with regard to straylight correction | |
Biermanns-Föth et al. | Actinic inband EUV reflectometry AIMER compared to ALS blank qualification and applied to structured masks |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220111 Assignee: Jiangsu Poxin Visual Technology Co.,Ltd. Assignor: SHENZHEN HAIPPI NANOOPTICAL TECHNOLOGY Co.,Ltd. Contract record no.: X2023440000002 Denomination of invention: A method and system for point-to-point white reference correction of hyperspectral images Granted publication date: 20220318 License type: Common License Record date: 20230109 |
|
EE01 | Entry into force of recordation of patent licensing contract |