CN116539284B - 针对彩绘文物照明光源的光源照明质量评价方法及装置 - Google Patents
针对彩绘文物照明光源的光源照明质量评价方法及装置 Download PDFInfo
- Publication number
- CN116539284B CN116539284B CN202310820508.5A CN202310820508A CN116539284B CN 116539284 B CN116539284 B CN 116539284B CN 202310820508 A CN202310820508 A CN 202310820508A CN 116539284 B CN116539284 B CN 116539284B
- Authority
- CN
- China
- Prior art keywords
- quality evaluation
- sample
- light source
- index
- evaluation
- 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
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 282
- 238000005286 illumination Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 159
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000010276 construction Methods 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims description 45
- 238000010586 diagram Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 20
- 238000001303 quality assessment method Methods 0.000 claims description 13
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 12
- 238000010422 painting Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 69
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000004590 computer program Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008832 photodamage Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提供了针对彩绘文物照明光源的光源照明质量评价方法及装置，应用于绘画照明领域、文物照明领域。该方法包括：获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；将目标光线属性指标输入光源照明质量评价模型，输出光源照明质量评价结果；光源照明质量评价模型根据如下构建方法构建；构建方法包括：获取样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据样本目标光线属性指标，构建质量评价函数；根据质量评价函数，构建光源照明质量评价模型。本发明可准确评价光源质量，提升文物展示效果。
Description
技术领域
本发明涉及绘画照明领域、文物照明领域，尤其涉及彩绘文物照明光源的颜色质量评价，具体涉及一种针对彩绘文物照明光源的光源照明质量评价方法及装置。
背景技术
照明光源发射的光线的颜色质量是衡量光源照明效果优劣的重要指标，尤其针对工笔画、写意画等彩绘文物，其画面内容丰富、色彩多样，文化和艺术价值极高，因此需要在博物馆、展厅等场所选择适宜的光源来对工笔画、写意画等彩绘文物提供照明，以避免彩绘文物因光线辐射而发生褪色、开裂等光损伤情况，同时还需要可以提升针对彩绘文物的展示效果，避免彩绘文物在照明条件下出现颜色辨识度降低等负面观赏效果。
发明内容
鉴于上述问题，本发明提供了针对彩绘文物照明光源的光源照明质量评价方法及装置。
根据本发明的第一个方面，提供了一种针对彩绘文物照明光源的光源照明质量评价方法，包括：获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；将上述目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；其中，上述光源照明质量评价模型根据如下构建方法构建得到；上述构建方法包括：获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，上述样本光线属性指标适用于表征上述样本光源发射的样本光线的光线属性；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据上述样本目标光线属性指标，构建质量评价函数；以及根据上述质量评价函数，构建上述光源照明质量评价模型。
本发明的第二方面提供了一种针对彩绘文物照明光源的光源照明质量评价装置，包括：目标光线属性指标获取模块，用于获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；光源照明质量评价结果获得模块，用于将上述目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；其中，上述光源照明质量评价模型根据如下构建方法构建得到；上述构建方法包括：获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，上述样本光线属性指标适用于表征上述样本光源发射的样本光线的光线属性；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据上述样本目标光线属性指标，构建质量评价函数；以及根据上述质量评价函数，构建上述光源照明质量评价模型。
本发明的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本发明的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
本发明的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
根据本发明提供的针对彩绘文物照明光源的光源照明质量评价方法及装置，通过聚类算法来处理样本光线属性指标各自对应的样本评价数据，进而得到适用于评价对彩绘文物提供照明的样本光源的样本目标光线属性指标，再根据样本目标光线属性指标构建得到质量评价函数，可以实现对于光源的照明质量的定量分析，从而根据质量评价函数构建得到光源照明质量评价模型，可以使光源照明质量评价模型实现对于光源的精准评价，提升光源针对为彩绘文物提供照明的质量评价精确度。因此将待检测光源的目标光线属性指标输入至光源照明质量评价模型，可以使得到的光源照明质量评价结果，能够准确评价光源对彩绘文物提供照明的照明质量，从而提升针对光源质量评价的精确性，并可以基于光源照明质量评价结果来确定适宜于对彩绘文物提供照明的光源，提升彩绘文物的展示效果。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中。
图1示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法、装置的应用场景图。
图2示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法的流程图。
图3示意性示出了根据本发明实施例的得到样本目标光线属性指标的示意图。
图4示意性示出了根据本发明实施例的质量评价标识分布图的示意图。
图5示意性示出了根据本发明另一实施例的质量评价标识分布图的示意图。
图6示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法的原理图。
图7示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价装置的结构框图。
图8示意性示出了根据本发明实施例的适于实现针对彩绘文物照明光源的光源照明质量评价方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
在本发明的技术方案中，所涉及的数据（如包括但不限于用户个人信息）的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
需要说明的是，可以参考如下技术术语简称和技术术语解释内容来具体说明本发明实施例中涉及的技术术语。
显色指数：Color Render Index，简称CRI。
色彩质量标度：Color Quality Scale，简称CQS。
相关色温：Correlated Colour Temperature，简称CCT。
照明工程协会：简称IES。
Qa：总体性CQS指标；Rf：保真度指标（逼真度指标）；Rg：色域面积指标；Rcs,h1：红色饱和度指标；Rcs,h5：黄色饱和度指标；Qf：保真度指标；Qg：色域面积指标。
光源光谱能量分布：Spectral Power Distribution，简称SPD。
国际照明委员会：International Commission on illumination（英语），Commission Internationale De L’Eclairage（法语），采用法语简称CIE。
照明光源发射的光线的颜色质量是衡量光源照明效果优劣的重要指标，尤其针对工笔画、写意画等彩绘文物，其画面内容丰富、色彩多样，文化和艺术价值极高，因此需要在博物馆、展厅等场所选择适宜的光源来对工笔画、写意画等彩绘文物提供照明，以避免彩绘文物因光线辐射而发生褪色、开裂等光损伤情况，同时还需要可以提升针对彩绘文物的展示效果，避免彩绘文物在照明条件下出现颜色辨识度降低等负面观赏效果。且发明人发现，尤其针对画面颜色整体较为素雅、色彩多为中低饱和度、色彩之间有浓淡过度和晕散变化等画面颜色特性的工笔画作品、写意画作品，相关技术中的照明评价体系难以应用于评价针对工笔画作品、写意画作品提供照明的光源质量。因此，需要针对工笔画作品、写意画作品等彩绘文物的画面颜色特性来确定光源的照明质量，以提升彩绘文物的展示效果。
本发明的实施例提供了一种针对彩绘文物照明光源的光源照明质量评价方法，包括：获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；将目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；其中，光源照明质量评价模型根据如下构建方法构建得到；构建方法包括：获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，样本光线属性指标适用于表征样本光源发射的样本光线的光线属性；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据样本目标光线属性指标，构建质量评价函数；以及根据质量评价函数，构建光源照明质量评价模型。
图1示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法、装置的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备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。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等（仅为示例）。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，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。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器（仅为示例）。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果（例如根据用户请求获取或生成的网页、信息、或数据等）反馈给终端设备。
需要说明的是，本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价方法一般可以由第一终端设备101、第二终端设备102、第三终端设备103中的任意一个或多个执行。相应地，本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价装置一般也可以设置于第一终端设备101、第二终端设备102、第三终端设备103中的任意一个或多个中。
或者，本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价方法一般也可以由服务器105执行。相应地，本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价装置一般也可以设置于服务器105中。本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本发明实施例所提供的针对彩绘文物照明光源的光源照明质量评价装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
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。
以下将基于图1描述的场景，通过图2~图6对公开实施例的光源照明质量评价方法进行详细描述。
图2示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法的流程图。
如图2所示，该实施例的针对彩绘文物照明光源的光源照明质量评价方法包括操作S210~操作S220。
在操作S210，获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标。
在操作S220，将目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；其中，光源照明质量评价模型根据如下构建方法构建得到；该构建方法包括：获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，样本光线属性指标适用于表征样本光源发射的样本光线的光线属性；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据样本目标光线属性指标，构建质量评价函数；以及根据质量评价函数，构建光源照明质量评价模型。
根据本发明的实施例，彩绘文物可是任意类型的艺术品，例如油画、工笔画、写意画等绘画作品，或者还可以是其他类型的彩绘文物。本发明的实施例对彩绘文物的具体类型不做限定，本领域技术人员可以根据实际需求进行选择。
根据本发明的实施例，样本光线属性指标可以包括任意的指标类型，例如可以包括光线的颜色饱和度等等，本发明的实施例对样本光线属性指标的具体指标类型不做限定，只要能够表征样本光线的光线属性即可。样本光线属性指标可以通过对样本光源的光线进行检测后得到，本发明的实施例对此不再赘述。
根据本发明的实施例，样本评价数据可以包括针对样本光源对彩绘文物提供照明的情况下，对于彩绘文物的展示效果进行评价的数据。例如可以包括喜好度评分、真实度评分等等。本发明的实施例对样本评价数据的具体类型不做限定。应该理解，样本评价数据可以与样本光源的样本光线属性指标具有关联关系。
根据本发明的实施例，聚类算法可以包括任意类型的聚类算法，例如可以包括K均值聚类算法。但不仅限于此，还可以包括其他类型的聚类算法，本发明的实施例对聚类算法的具体类型不做限定，本领域技术人员可以根据实际需求进行选择。
根据本发明的实施例，样本目标光线属性指标可以是能够对评价光源在为彩绘文物提供照明的情况下光线质量较为关键的评价依据。通过根据样本目标光线属性指标所对应的指标类型来构建质量评价函数，可以实现针对为彩绘文物提供照明的光源，进行较为精确地光线照明质量评价，这样根据质量评价函数构建得到的光源照明质量评价模型，可以实现对目标光线属性指标的精确分析，进而根据光源照明质量评价结果来准确地评价待检测光源的光线照明质量，提升针对彩绘文物提供照明的光源的质量评价精度和筛选精度，提升彩绘文物的展示效果。
根据本发明的实施例，光源照明质量评价结果可以是优秀、良好、不合格等质量评价标识，或者还可以是与喜好度、真实度等评价标准相关的评价数据。本发明的实施例对光源照明质量评价结果的具体类型不做限定，本领域技术人员可以根据实际需求进行选择。
根据本发明的实施例，样本目标光线属性指标包括以下至少一项：样本保真度指标、样本色域面积指标、样本黄色饱和度指标。相应地，目标光线属性指标可以是保真度指标Rf、色域面积指标Rg、黄色饱和度指标Rcs,h5中的任意一项或多项。
根据本发明的实施例，目标光线属性指标可以与基于构建方法得到的样本光线属性指标具有相同的指标类型。
需要说明的是，在本发明实施例中，构建方法中涉及的技术术语，包括但不限于样本光线属性指标等，具有与光源照明质量评价方法中涉及的技术术语，包括但不限于光线属性指标等，具有相同或相似的技术属性，本发明的实施例对此不再赘述。
在本发明的一个实施例中，彩绘文物可以是画面颜色整体较为素雅、色彩多为中低饱和度、色彩之间有浓淡过度和晕散变化等画面颜色特性的工笔画、写意画等绘画作品。可以基于通过将待检测光源的保真度指标Rf、色域面积指标Rg和黄色饱和度指标Rcs,h5，作为目标光线属性指标，来执行根据本发明实施例提供的光源照明质量评价方法，进而筛选得到满足针对工笔画、写意画等绘画作品的展示要求的光源，可以提升工笔画、写意画等绘画作品的展示效果，同时避免绘画作品因光源照射损坏。
根据本发明的实施例，聚类算法包括以下至少一项：K均值聚类算法、主成分分析算法。
在本发明的一个实施例中，可以基于主成分分析算法来确定样本目标光线属性指标。具体实施例执行过程如下所述。
根据本发明的实施例，可以将不同的绘画作品放置于在可调试验舱搭建的真实文物展厅场景中。进而开展主观评价实验。
主观评价实验以问卷形式获得20个试验对的试验结果，包含2组CCT（CorrelatedColour Temperature，相关色温）、46种SPD、2类颜色感知属性和4幅绘画类型绘画作品的8640组评价数据，并对样本评价数据（基于问卷调查得到的主观评价数据）进行相关性分析。
随后选取10种指标类型的样本光线属性指标：CRI（Color Render Index，显色指数）Ra、CRI2012、CIE（Commission Internationale de L'Eclairage，国际照明委员会） Rf、CQS（Color Quality Scale，色彩质量标度） Qa、CQS Qf、IES Rf、CQS Qg、IES Rg、IES Rcs,h1、IES Rcs,h5。
相关色温设置3200K和3800K两组，其中3200K组包含24个工况，Rf与Rg组合为95：100、85：90、100、110、75：90、100、110、120、65：90、100、110、120。
3800K组包含22个工况，Rf与Rg组合与3200K相同，但由于调光设备限制，无法拟合出为120的减弱红色饱和度的光谱，故工况总数比3200K少两个。共计46种实验工况，具体实验参数可以参考表一所示，（表一可以表示46种实验工况的参数信息）。
通过计算得到10种样本光线属性指标各自的样本评价数据（例如真实度和喜好度评价结果）之间的皮尔逊相关系数均小于0.8，因此可以确定10种样本光线属性指标之间并不不具有强相关性，任何单一指标类型的样本光线属性指标均不能有效地表征人眼感受到的博物馆绘画作品的色彩。
通过主成分分析法，可以确定IES Rf、IES Rg和IES Rcs,h5三个样本目标光线属性指标能够表征以上10种客观的样本光线属性指标作为色彩真实度和喜好度评价的关键影响因子。
图3示意性示出了根据本发明实施例的得到样本目标光线属性指标的示意图。
如图3所示，可以通过主成分分析算法，从CRI、CRI2012、CIE Rf、CQS Qa、CQS Qf、IES Rf、CQS Qg、IES Rg、IES Rcs,h1、IES Rcs,h5中，确定第一样本目标光线属性指标401（即IES Rf）、第二样本目标光线属性指标402（即IES Rg）和第三样本目标光线属性指标403（即IES Rcs,h5）IES Rcs,h5三个样本目标光线属性指标。
需要说明的是，可以通过相关光谱仪来检测得到样本光源的样本光线属性指标、样本目标光线属性指标，相应地，也可以通过相关光谱仪来检测得到待检测光源的光线属性指标、目标光线属性指标。
根据本发明的实施例，样本评价数据包括样本真实度评价数据，质量评价函数包括真实度评价函数。
其中，根据样本目标光线属性指标，构建质量评价函数可以包括如下操作：根据样本目标光线属性指标，以及与样本目标光线属性指标对应的初始真实度权重参数，构建初始真实度评价函数；根据初始真实度评价函数处理样本目标光线属性指标，得到预测真实度评价数据；基于线性回归算法处理预测真实度评价数据和样本真实度评价数据，得到真实度权重参数；以及根据真实度权重参数更新初始真实度评价函数，得到真实度评价函数。
根据本发明的实施例，初始真实度评价函数可以通过公式（1）来表示。
Z=A1+B1×Rf- C1×Rg+D1×Rcs,h5；（1）
公式（1）中，Z为预测真实度评价数据，B1、C1、D1分别为初始真实度权重参数，A1为修正参数。通过最小二乘法来处理预测真实度评价数据和样本真实度评价数据，可以得到更新后的真实度权重参数，并最终可以通过公式（2）来表示真实度评价函数。
Z=28.375+2.496Rf-1.728Rg+33.917Rcs,h5；（2）
根据本发明的实施例，样本评价数据还可以包括样本喜好度评价数据，质量评价函数包括喜好度评价函数。
其中，根据样本目标光线属性指标，构建质量评价函数还包括如下操作：根据样本目标光线属性指标，以及与样本目标光线属性指标对应的初始喜好度权重参数，构建初始喜好度评价函数；根据初始喜好度评价函数处理样本目标光线属性指标，得到预测喜好度评价数据；基于线性回归算法处理预测喜好度评价数据和样本喜好度评价数据，得到喜好度权重参数；以及根据喜好度权重参数更新初始喜好度评价函数，得到喜好度评价函数。
根据本发明的实施例，初始喜好度评价函数可以通过公式（3）来表示。
P=A2+B2×Rf- C2×Rg+D2×Rcs,h5；（3）
公式（3）中，Z为预测喜好度评价数据，B1、C1、D1分别为初始喜好度权重参数，A1为修正参数。通过最小二乘法来处理预测喜好度评价数据和样本喜好度评价数据，可以得到更新后的喜好度权重参数，并最终可以通过公式（4）来表示喜好度评价函数。
P=-98.472+2.309Rf-0.275Rg+94.374Rcs,h5；（4）
根据本发明的实施例，根据质量评价函数，构建光源照明质量评价模型可以包括：根据质量评价函数，构建质量评价数据预测层，其中，光源照明质量评价模型包括质量评价数据预测层。
根据本发明的实施例，可以基于真实度评价函数（例如公式（2））来构建质量评价数据预测层，进而得到光源照明质量评价模型，以实现对待检测光源的真实度数据进行评价，得到真实度评价数据。
根据本发明的实施例，可以基于喜好度评价函数（例如公式（4））来构建质量评价数据预测层，进而得到光源照明质量评价模型，以实现对待检测光源的喜好度数据进行评价，得到喜好度评价数据。
根据本发明的实施例，还可以基于真实度评价函数（例如公式（2））和喜好度评价函数（例如公式（4））来构建质量评价数据预测层，进而得到光源照明质量评价模型，以实现对待检测光源的真实度数据和喜好度进行评价，得到真实度评价数据和喜好度评价数据。
需要说明的是，线性回归算法可以包括任意类型，例如可以包括最小二乘法，但不仅限于此，还可以包括梯度下降算法等其他类型的线性回归算法，本发明的实施例对此不做限定。
根据本发明的实施例，样本目标光线属性指标包括多个。
其中，根据质量评价函数，构建光源照明质量评价模型还可以包括如下操作：确定与至少一个样本目标光线属性指标对应的光线属性采样指标；根据质量评价函数处理光线属性采样指标，得到采样指标评价数据；根据采样指标评价数据，以及与采样指标评价数据对应的评价数据阈值之间的比较结果，确定与采样指标评价数据对应的质量评价标识；根据质量评价标识，和与质量评价标识关联的采样指标评价数据，得到适用于确定与样本目标光线属性指标对应的质量评价条件；以及根据质量评价条件，构建质量评价标识预测层，其中，光源照明质量评价模型包括质量评价标识预测层。
根据本发明的实施例，光线属性采样指标可以是针对样本目标光线属性指标的预设采样指标数据，例如可以针对样本目标光线属性指标中的样本保真度指标Rf，确定预设的光线属性采样指标分别为95、85、75、65。相应地，可以基于预设规则分别确定样本色域面积指标、样本黄色饱和度指标各自的光线属性采样指标。
根据本发明的实施例，采样指标评价数据可以是将光线属性采样指标输入至质量评价函数，例如上述公式（2）和（4）后得到计算结果。
质量评价标识可以分别为“优秀”、“良好”和“不合格”，该质量评价标识可以根据试验中所有光源的采样指标评价数据来排序，进而分别将排序前20%、20%-40%、40%-100%的比例来确定质量评价标识。
例如，可以在Matlab软件中，将样本保真度指标对应的光线属性采样指标分别取Rf 等于95、Rf 等于85、Rf 等于75、Rf等于65。
将光线属性采样指标Rf 等于95、Rf 等于85、Rf 等于75、Rf等于65分别输入真实度评价函数（即公式（2））中，可以得到4个更新后的真实度评价函数。设定x轴为色域面积指标Rg的光线属性采样指标的取值范围，设定样本黄色饱和度指标Rcs,h5为y轴，基于到4个更新后的真实度评价函数，可以得到真实度评价函数各自输出的采样指标评价数据Z。根据设定的Z’等于77和Z’等于62为作为评价数据阈值。可参考表二来将采样指标评价数据Z和评价数据阈值Z’进行比较，得到采样指标评价数据Z对应的质量评价标识。（表二可以表示评价数据阈值与质量评价标识）
图4示意性示出了根据本发明实施例的质量评价标识分布图的示意图。
如图4所示，针对真实度评价数据，可以将光线属性采样指标Rf 等于95、Rf 等于85、Rf 等于75、Rf等于65分别输入至公式（2），进而得到光线属性采样指标Rf 等于95、Rf 等于85、Rf 等于75、Rf等于65各自对应的质量评价标识分布图，即图4中所示的图4左上角子图、图4右上角子图、图4左下角子图和图4右下角子图。其中，针对每个质量评价标识分布图（即图4中每个子图）设定x轴为色域面积指标Rg的光线属性采样指标的取值范围，设定样本黄色饱和度指标Rcs,h5为y轴。且针对每个质量评价标识分布图，可以设定深色区域对应质量评价标识为“优秀”，设定中间区域对应质量评价标识为“合格”，设定浅色区域对应质量评价标识为“不合格”。
应该理解的是，图4中所示的4个质量评价标识分布图（图4中所示的图4左上角子图、图4右上角子图、图4左下角子图和图4右下角子图）可以是与真实度相关。基于相同或相似的方法，可以得到针对喜好度评价数据，可以得到光线属性采样指标Rf 等于95、Rf 等于85、Rf 等于75、Rf 等于65各自对应的与喜好度相关的质量评价标识分布图。
图5示意性示出了根据本发明另一实施例的质量评价标识分布图的示意图。
结合图4和图5所示，针对Rf 等于95，将与喜好度相关的质量评价标识分布图，以及与真实度度相关的质量评价标识分布图（图4中左上角子图）进行叠加，可以得到目标质量评价标识分布图（图5中左上角子图）。针对Rf 等于85，将与喜好度相关的质量评价标识分布图，以及与真实度度相关的质量评价标识分布图（图4中右上角子图）进行叠加，可以得到目标质量评价标识分布图（即图5中右上角子图）。针对Rf 等于75，将与喜好度相关的质量评价标识分布图，以及与真实度度相关的质量评价标识分布图（图4中左下角子图）进行叠加，可以得到目标质量评价标识分布图（即图5中左下角子图）。针对Rf 等于65，将与喜好度相关的质量评价标识分布图，以及与真实度度相关的质量评价标识分布图（即图4中右下角子图）进行叠加，可以得到目标质量评价标识分布图（即图5中右下角子图）。
需要说明的是，图5中所示的目标质量评价标识分布图，即图5中左上角子图、图5中右上角子图、图5中左下角子图和图5中右下角子图中，包含有“1”的区域可以表示与真实度相关的质量评价标识和与喜好度相关质量评价标识均为“优秀”，包含有“2”的区域可以表示与真实度相关的质量评价标识和与喜好度相关质量评价标识中，存在一个“优秀”和一个“良好”，包含有“3”的区域可以表示与真实度相关的质量评价标识和与喜好度相关质量评价标识均为“良好”，含有“4”的区域可以表示与真实度相关的质量评价标识和与喜好度相关质量评价标识中，至少存在一个“不合格”。
应该理解的是，可以通过质量评价标识分布图、目标质量评价标识分布图来表征对绘画作品提供照明的光源的光源颜色综合感知评价结果。
结合图4和图5可以分析Rf、Rg、Rcs,h5三个样本目标光线属性指标对于绘画作品照明的样本光源的影响规律。当Rf 等于95时，绝大部分样本光源都能达到良好水平；当Rf 等于85时，有一半样本色域面积指标较小、黄色饱和度指标高的光源可以达到良好水平；当Rf等于75时，几乎不存在真实度和喜好度均达到优秀的光源；当Rf 等于65时，几乎所有光源都不合格。因此，可以确定Rf 等于85、Rf 等于75为光源“优秀”、“良好”的评价数据阈值。
在与Rf 等于95对应的质量评价标识分布图（图5中左上角子图）上进行分析，包含有“1”的区域，所对应的Rg、Rcs,h5的光线属性采样指标最大值分别为质量评价条件中确定质量评价标识为“优秀的”阈值；包含有“1”、“2”和“3”的区域所对应的Rg、Rcs,h5的光线属性采样指标最大值分别为光源“良好”的阈值。
经上述分析可以确定质量评价条件为：当样本光源满足Rf≥75，80≤Rg≤120，-30%≤Rcs,h5≤30%的质量评价条件时，该样本光源的质量评价标识可以是“良好”；当样本光源在满足“良好”对应的质量评价条件基础上，同时满足Rf≥85，80≤Rg≤115，-20%≤Rcs,h5≤30%条件时，该样本光源的质量评价标识可以是“优秀”；当照明光源不满足上述质量评价条件时，该样本光源的质量评价标识可以是“不合格”。
图6示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价方法的原理图。
如图6所示，可以将待检测光源的光谱信息610输入至光源颜色质量检测模块620，输出目标光线属性指标611。光源颜色质量检测模块620可以是基于颜色系统算法构建的得到的用于检测光线属性指标的检测模块。目标光线属性指标611可以包括Rf、Rg、Rcs,h5各自的指标数值。将目标光线属性指标611输入至基于本发明实施例构建得到的光源照明质量评价模型630中的质量评价数据预测层631，可以得到真实度评价数据641和喜好度评价数据642。质量评价数据预测层631可以是基于上述公式（2）和（4）构建得到的。将目标光线属性指标611输入至光源照明质量评价模型630中的质量评价标识预测层632，可以得到质量评价标识643。质量评价标识预测层632可以是基于上述实施例中的质量评价条件来构建得到的，质量评价标识643可以包括“优秀”、 “良好”或“不合格”。
基于上述针对彩绘文物照明光源的光源照明质量评价方法，本发明还提供了一种针对彩绘文物照明光源的光源照明质量评价装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本发明实施例的针对彩绘文物照明光源的光源照明质量评价装置的结构框图。
如图7所示，该实施例的针对彩绘文物照明光源的光源照明质量评价装置700包括目标光线属性指标获取模块710和光源照明质量评价结果获得模块720。
目标光线属性指标获取模块710用于获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标。
光源照明质量评价结果获得模块720用于将目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；其中，光源照明质量评价模型根据如下构建方法构建得到；构建方法包括：获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，样本光线属性指标适用于表征样本光源发射的样本光线的光线属性；根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；根据样本目标光线属性指标，构建质量评价函数；以及根据质量评价函数，构建光源照明质量评价模型。
根据本发明的实施例，样本评价数据包括样本真实度评价数据，质量评价函数包括真实度评价函数。
其中，根据样本目标光线属性指标，构建质量评价函数包括：根据样本目标光线属性指标，以及与样本目标光线属性指标对应的初始真实度权重参数，构建初始真实度评价函数；根据初始真实度评价函数处理样本目标光线属性指标，得到预测真实度评价数据；基于线性回归算法处理预测真实度评价数据和样本真实度评价数据，得到真实度权重参数；以及根据真实度权重参数更新初始真实度评价函数，得到真实度评价函数。
根据本发明的实施例，样本评价数据包括样本喜好度评价数据，质量评价函数包括喜好度评价函数。
其中，根据样本目标光线属性指标，构建质量评价函数还包括：根据样本目标光线属性指标，以及与样本目标光线属性指标对应的初始喜好度权重参数，构建初始喜好度评价函数；根据喜好度评价函数处理样本目标光线属性指标，得到预测喜好度评价数据；基于线性回归算法处理预测喜好度评价数据和样本喜好度评价数据，得到喜好度权重参数；以及根据喜好度权重参数更新初始喜好度评价函数，得到喜好度评价函数。
根据本发明的实施例，样本目标光线属性指标包括多个。
其中，根据质量评价函数，构建光源照明质量评价模型包括：确定与至少一个样本目标光线属性指标对应的光线属性采样指标；根据质量评价函数处理光线属性采样指标，得到采样指标评价数据；根据采样指标评价数据，以及与采样指标评价数据对应的评价数据阈值之间的比较结果，确定与采样指标评价数据对应的质量评价标识；根据质量评价标识，和与质量评价标识关联的采样指标评价数据，得到适用于确定与样本目标光线属性指标对应的质量评价条件；以及根据质量评价条件，构建质量评价标识预测层，其中，光源照明质量评价模型包括质量评价标识预测层。
根据本发明的实施例，根据质量评价函数，构建光源照明质量评价模型还包括：根据质量评价函数，构建质量评价数据预测层，其中，光源照明质量评价模型包括质量评价数据预测层。
根据本发明的实施例，样本目标光线属性指标包括以下至少一项：样本保真度指标、样本色域面积指标、样本黄色饱和度指标。
根据本发明的实施例，聚类算法包括以下至少一项：K均值聚类算法、主成分分析算法。
根据本发明的实施例，目标光线属性指标获取模块710和光源照明质量评价结果获得模块720中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例目标光线属性指标获取模块710和光源照明质量评价结果获得模块720中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，目标光线属性指标获取模块710和光源照明质量评价结果获得模块720中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图8示意性示出了根据本发明实施例的适于实现针对彩绘文物照明光源的光源照明质量评价方法的电子设备的方框图。
如图8所示，根据本发明实施例的电子设备800包括处理器801，其可以根据存储在只读存储器（ROM）802中的程序或者从存储部分808加载到随机访问存储器（RAM）803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC））等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器 801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备800还可以包括输入/输出（I/O）接口805，输入/输出（I/O）接口805也连接至总线804。电子设备800还可以包括连接至输入/输出（I/O）接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分807；包括硬盘等的存储部分808；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809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出（I/O）接口805。可拆卸介质811，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810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808。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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）、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。在本发明中，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。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，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。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本发明实施例所提供的方法。
在该计算机程序被处理器801执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（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，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。
Claims (8)
1.一种针对彩绘文物照明光源的光源照明质量评价方法，其特征在于，包括：
获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；
将所述目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；
其中，所述光源照明质量评价模型根据如下构建方法构建得到；
所述构建方法包括：
获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，所述样本光线属性指标适用于表征所述样本光源发射的样本光线的光线属性；
根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；
根据所述样本目标光线属性指标，构建质量评价函数；以及
根据所述质量评价函数，构建所述光源照明质量评价模型；
其中，所述样本目标光线属性指标包括多个，所述样本目标光线属性指标包括：样本保真度指标、样本色域面积指标、样本黄色饱和度指标；
其中，所述根据所述质量评价函数，构建光源照明质量评价模型包括：
确定与至少一个所述样本目标光线属性指标对应的光线属性采样指标；
根据所述质量评价函数处理所述光线属性采样指标，得到采样指标评价数据；
根据所述采样指标评价数据，以及与所述采样指标评价数据对应的评价数据阈值之间的比较结果，确定与所述采样指标评价数据对应的质量评价标识；
根据所述质量评价标识，和与所述质量评价标识关联的采样指标评价数据，得到适用于确定与所述样本目标光线属性指标对应的质量评价条件；以及
根据所述质量评价条件，构建质量评价标识预测层，其中，所述光源照明质量评价模型包括所述质量评价标识预测层；
其中，所述样本评价数据包括样本真实度评价数据和样本喜好度评价数据，所述质量评价条件基于如下方式得到，所述方式包括：
针对样本真实度评价数据，构建与不同的样本保真度指标各自对应的第一质量评价标识分布图，所述第一质量评价标识分布图包括分别与优秀、良好与不合格对应的第一区域，所述第一质量评价标识分布图与真实度相关，所述质量评价标识包括优秀、良好与不合格；
针对样本喜好度评价数据，构建与不同的样本保真度指标各自对应的第二质量评价标识分布图，所述第二质量评价标识分布图包括分别与优秀、良好与不合格对应的第二区域，所述第二质量评价标识分布图与喜好度相关；其中，所述第一质量评价标识分布图和第二质量评价标识分布图各自的第一坐标轴与样本黄色饱和度指标的取值范围相关，所述第一质量评价标识分布图和第二质量评价标识分布图各自的第二坐标轴与样本色域面积指标的取值范围相关；
针对同一个所述样本保真度指标，将所述第一质量评价标识分布图与所述第二质量评价标识分布图进行叠加，得到目标质量评价标识分布图，所述目标质量评价标识分布图包括：
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识均为优秀相对应的第一目标区域；
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识中，与一个优秀和一个良好相对应的第二目标区域；
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识均为良好相对应的第三目标区域；以及
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识中，与至少一个不合格相对应的第四目标区域；以及
根据每个所述样本保真度指标各自相关的所述第一目标区域、所述第二目标区域、所述第三目标区域和所述第四目标区域确定所述质量评价条件。
2.根据权利要求1所述的方法，其特征在于，所述质量评价函数包括真实度评价函数；
其中，所述根据所述样本目标光线属性指标，构建质量评价函数包括：
根据所述样本目标光线属性指标，以及与所述样本目标光线属性指标对应的初始真实度权重参数，构建初始真实度评价函数；
根据所述初始真实度评价函数处理所述样本目标光线属性指标，得到预测真实度评价数据；
基于线性回归算法处理所述预测真实度评价数据和所述样本真实度评价数据，得到真实度权重参数；以及
根据所述真实度权重参数更新所述初始真实度评价函数，得到所述真实度评价函数。
3.根据权利要求1所述的方法，其特征在于，所述质量评价函数包括喜好度评价函数；
其中，所述根据所述样本目标光线属性指标，构建质量评价函数还包括：
根据所述样本目标光线属性指标，以及与所述样本目标光线属性指标对应的初始喜好度权重参数，构建初始喜好度评价函数；
根据所述初始喜好度评价函数处理所述样本目标光线属性指标，得到预测喜好度评价数据；
基于线性回归算法处理所述预测喜好度评价数据和所述样本喜好度评价数据，得到喜好度权重参数；以及
根据所述喜好度权重参数更新所述初始喜好度评价函数，得到所述喜好度评价函数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述质量评价函数，构建光源照明质量评价模型还包括：
根据所述质量评价函数，构建质量评价数据预测层，其中，所述光源照明质量评价模型包括所述质量评价数据预测层。
5.根据权利要求1所述的方法，其特征在于，所述聚类算法包括以下至少一项：
K均值聚类算法、主成分分析算法。
6.一种针对彩绘文物照明光源的光源照明质量评价装置，其特征在于，包括：
目标光线属性指标获取模块，用于获取用于对彩绘文物提供照明的待检测光源的目标光线属性指标；
光源照明质量评价结果获得模块，用于将所述目标光线属性指标输入至光源照明质量评价模型，输出光源照明质量评价结果；
其中，所述光源照明质量评价模型根据如下构建方法构建得到；
所述构建方法包括：
获取用于对彩绘文物提供照明的样本光源的多个样本光线属性指标，以及与多个样本光线属性指标各自对应的样本评价数据，其中，所述样本光线属性指标适用于表征所述样本光源发射的样本光线的光线属性；
根据聚类算法处理与多个样本光线属性指标各自对应的样本评价数据，得到样本目标光线属性指标；
根据所述样本目标光线属性指标，构建质量评价函数；以及
根据所述质量评价函数，构建所述光源照明质量评价模型；
其中，所述样本目标光线属性指标包括多个，所述样本目标光线属性指标包括：样本保真度指标、样本色域面积指标、样本黄色饱和度指标；
其中，所述根据所述质量评价函数，构建光源照明质量评价模型包括：
确定与至少一个所述样本目标光线属性指标对应的光线属性采样指标；
根据所述质量评价函数处理所述光线属性采样指标，得到采样指标评价数据；
根据所述采样指标评价数据，以及与所述采样指标评价数据对应的评价数据阈值之间的比较结果，确定与所述采样指标评价数据对应的质量评价标识；
根据所述质量评价标识，和与所述质量评价标识关联的采样指标评价数据，得到适用于确定与所述样本目标光线属性指标对应的质量评价条件；以及
根据所述质量评价条件，构建质量评价标识预测层，其中，所述光源照明质量评价模型包括所述质量评价标识预测层；
其中，所述样本评价数据包括样本真实度评价数据和样本喜好度评价数据，所述质量评价条件基于如下方式得到，所述方式包括：
针对样本真实度评价数据，构建与不同的样本保真度指标各自对应的第一质量评价标识分布图，所述第一质量评价标识分布图包括分别与优秀、良好与不合格对应的第一区域，所述第一质量评价标识分布图与真实度相关，所述质量评价标识包括优秀、良好与不合格；
针对样本喜好度评价数据，构建与不同的样本保真度指标各自对应的第二质量评价标识分布图，所述第二质量评价标识分布图包括分别与优秀、良好与不合格对应的第二区域，所述第二质量评价标识分布图与喜好度相关；其中，所述第一质量评价标识分布图和第二质量评价标识分布图各自的第一坐标轴与样本黄色饱和度指标的取值范围相关，所述第一质量评价标识分布图和第二质量评价标识分布图各自的第二坐标轴与样本色域面积指标的取值范围相关；
针对同一个所述样本保真度指标，将所述第一质量评价标识分布图与所述第二质量评价标识分布图进行叠加，得到目标质量评价标识分布图，所述目标质量评价标识分布图包括：
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识均为优秀相对应的第一目标区域；
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识中，与一个优秀和一个良好相对应的第二目标区域；
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识均为良好相对应的第三目标区域；以及
表示与真实度相关的质量评价标识和与喜好度相关的质量评价标识中，与至少一个不合格相对应的第四目标区域；以及
根据每个所述样本保真度指标各自相关的所述第一目标区域、所述第二目标区域、所述第三目标区域和所述第四目标区域确定所述质量评价条件。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1~5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1~5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310820508.5A CN116539284B (zh) | 2023-07-06 | 2023-07-06 | 针对彩绘文物照明光源的光源照明质量评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310820508.5A CN116539284B (zh) | 2023-07-06 | 2023-07-06 | 针对彩绘文物照明光源的光源照明质量评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116539284A CN116539284A (zh) | 2023-08-04 |
| CN116539284B true CN116539284B (zh) | 2023-09-22 |
Family
ID=87458240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310820508.5A Active CN116539284B (zh) | 2023-07-06 | 2023-07-06 | 针对彩绘文物照明光源的光源照明质量评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116539284B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001311679A (ja) * | 2000-04-28 | 2001-11-09 | Samsung Electronics Co Ltd | 変調伝達関数測定システム及びそれによるカラー液晶表示素子の画質評価方法 |
| JP2010032236A (ja) * | 2008-07-25 | 2010-02-12 | Tokai Kogaku Kk | レンズ評価方法 |
| 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 |
| WO2015079649A1 (ja) * | 2013-11-26 | 2015-06-04 | パナソニックＩｐマネジメント株式会社 | 照明評価装置及び照明評価方法 |
| 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 |
| 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 |
| 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 |
| CN113673389A (zh) * | 2021-08-09 | 2021-11-19 | 天津大学 | 光源光谱功率分布相关的绘画照明视觉评价方法 |
| CN113781395A (zh) * | 2021-08-09 | 2021-12-10 | 天津大学 | 适用于中国传统绘画的照明颜色质量评价方法 |
| CN114005077A (zh) * | 2021-12-30 | 2022-02-01 | 浙江大学 | 观众评价数据驱动的无声产品视频创作辅助方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2905007B1 (fr) * | 2006-08-16 | 2008-10-31 | Essilor Int | Evaluation quantitave d'un filtre colore |
-
2023
- 2023-07-06 CN CN202310820508.5A patent/CN116539284B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001311679A (ja) * | 2000-04-28 | 2001-11-09 | Samsung Electronics Co Ltd | 変調伝達関数測定システム及びそれによるカラー液晶表示素子の画質評価方法 |
| JP2010032236A (ja) * | 2008-07-25 | 2010-02-12 | Tokai Kogaku Kk | レンズ評価方法 |
| 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 |
| WO2015079649A1 (ja) * | 2013-11-26 | 2015-06-04 | パナソニックＩｐマネジメント株式会社 | 照明評価装置及び照明評価方法 |
| 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 |
| 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 |
| 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 |
| CN113673389A (zh) * | 2021-08-09 | 2021-11-19 | 天津大学 | 光源光谱功率分布相关的绘画照明视觉评价方法 |
| CN113781395A (zh) * | 2021-08-09 | 2021-12-10 | 天津大学 | 适用于中国传统绘画的照明颜色质量评价方法 |
| CN114005077A (zh) * | 2021-12-30 | 2022-02-01 | 浙江大学 | 观众评价数据驱动的无声产品视频创作辅助方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| The impact patterns of classroom lighting parameters on visual fatigue and a mathematical model;Dang, R 等;《BUILDING AND ENVIRONMENT》;第234卷;第1-8页 * |
| Zhisheng-Wang等.Artificial Lighting in Museums: an Interdisciplinary Approach towards Improving Museum Visitors' Emotive Experience.《JOURNAL OF ENGINEERING RESEARCH》.2020,第8卷(第2期),第4-22页. * |
| 博物馆照明中照度与相关色温对视觉感知的影响;党睿等;《照明工程学报》;第32卷(第3期);第112-115、123页 * |
| 基于视觉和保护的博物馆绘画照明LED光谱优化;刘蕊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2期);第 C038-581页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116539284A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Durmus | Correlated color temperature: Use and limitations | |
| Zucker et al. | Physical properties of large-scale galactic filaments | |
| Dainotti et al. | Study of possible systematics in the L* X–T* a correlation of gamma-ray bursts | |
| Zhang et al. | Tongue color analysis for medical application | |
| US10969952B2 (en) | Color and texture match ratings for optimal match selection | |
| Minniti et al. | A new near-IR window of low extinction in the Galactic plane | |
| Słomiński | Identifying problems with luminaire luminance measurements for discomfort glare analysis | |
| Farup | Hyperbolic geometry for colour metrics | |
| Palchikova et al. | Quantization noise as a determinant for color thresholds in machine vision | |
| Luo et al. | Colour difference evaluation for white light sources | |
| Diakite-Kortlever et al. | Forecast accuracy of existing luminance-related spectral sky models and their practical implications for the assessment of the non-image-forming effectiveness of daylight | |
| Geijs et al. | Automatic color unmixing of IHC stained whole slide images | |
| Durmus | Characterizing color quality, damage to artwork, and light intensity of multi-primary LEDs for museums | |
| Kent et al. | An examination of range effects when evaluating discomfort due to glare in Singaporean buildings | |
| Nikitaev et al. | Study of the effectiveness of using wavelet analysis in data-acquisition systems for diagnosis of acute leukemias | |
| CN117671303B (zh) | 基于孪生网络的立体测距隐患预警方法及系统 | |
| Correa-Tome et al. | Comparison of perceptual color spaces for natural image segmentation tasks | |
| Smet et al. | Impact of cross-regional differences on color rendition evaluation of white light sources | |
| Quintero et al. | Color rendering map: a graphical metric for assessment of illumination | |
| CN116539284B (zh) | 针对彩绘文物照明光源的光源照明质量评价方法及装置 | |
| Li et al. | Estimation of average daylight factor under obstructed CIE Standard General Skies | |
| Cohen et al. | Star Formation and Relaxation in 379 Nearby Galaxy Clusters | |
| Li et al. | Target acquisition performance in a cluttered environment | |
| Yao et al. | Evaluation of several different types of uniformity metrics and their correlation with subjective perceptions | |
| Tian et al. | Simple and effective calculations about spectral power distributions of outdoor light sources for computer vision |
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 |