CN117073842B - 基于纹理特征加权校正的纺织面料照相测色方法和系统 - Google Patents

Abstract

本发明为一种基于纹理特征加权校正的纺织面料照相测色方法和系统，所述方法包括：搭建照相测色系统；利用数码相机拍摄训练样本raw格式数字图像，提取其raw格式响应值；利用训练样本构建光谱重建矩阵；利用数码相机拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；利用光谱重建矩阵重建待测量区域各像素点光谱；利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。本发明克服了现有照相测色方法忽略纹理特征对颜色测量结果的影响，使纺织面料的照相测色结果复合真实视觉感知。

Description

基于纹理特征加权校正的纺织面料照相测色方法和系统

技术领域

本发明属于计算机数字图像处理技术领域，具体涉及一种基于纹理特征加权校正的纺织面料照相测色方法和系统。

背景技术

在纺织生产制造工艺中，同一种颜色的纱线织成不同纹理结构的纺织面料时，其所呈现出的颜色视觉感知效果存在显著差异。目前，纺织企业主要采用分光光度计进行纺织面料颜色的测量控制和颜色评判，而对于具有纹理结构的纺织面料而言，采用分光光度计仅能测量单个圆形区域内的平均颜色值，无法体现出人眼对于纹理织物亮部和暗部颜色感知的差异，因此采用分光光度计对纹理织物的颜色测量结果，总是与人眼视觉感知的颜色值存在不一致的问题，从而导致企业实际生产的面料产品颜色“货不对板”，导致库存积压和企业经济效益的损失。针对当前分光光度计在纹理织物颜色测量应用中的局限性，目前国内外的学术界和工业界均未提出很好的应对解决方法。

发明内容

本发明的目的是为了解决背景技术中所述问题，本发明以照相测色技术为基础，提出一种基于纹理特征加权校正的纺织面料照相测色方法。该技术的实施首先需要搭建照相测色系统，然后利用数码相机拍摄训练样本raw格式数字图像，提取其raw格式响应值，利用训练样本构建光谱重建矩阵；其次，利用数码相机拍摄纺织面料raw格式数字图像，提取待测量区域raw格式图像，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；进一步的，利用光谱重建矩阵重建待测量区域各像素点光谱，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；最后，利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。本发明方法能够有效克服传统分光光度计对于纹理织物颜色测量应用的缺陷，并解决现有照相测色方法忽略纹理特征对颜色测量结果的影响，使纺织面料的照相测色结果符合真实视觉感知。本发明的技术方案为一种基于纹理特征加权校正的纺织面料照相测色方法，具体包括以下步骤：

步骤1，搭建照相测色系统；

步骤2，拍摄训练样本raw格式数字图像，提取其raw格式响应值；

步骤3，利用训练样本构建光谱重建矩阵；

步骤4，拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

步骤5，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

步骤6，利用光谱重建矩阵重建待测量区域各像素点光谱；

步骤7，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

步骤8，计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。

进一步的，步骤1中，搭建照相测色系统时，需要系统的照明不受自然光照影响，同时应保证在有效拍照区域内的光照均匀性，从而确保同一样本对象在拍照区域内不同位置处的数字响应值一致，规避照相系统偏差问题，照相测色系统搭建的具体实施方式可参见文献1。

[1]梁金星,胡新荣,彭涛等.一种封闭式日光照明灯箱[P].湖北省：CN218585157U,2023-03-07.

进一步的，步骤2中，利用数码相机拍摄训练样本raw格式数字图像，提取其raw格式响应值，具体方法如下：

首先，准备或制作训练样本，训练样本可以为常见的标准色卡，如爱色丽公司的ColorChecker SG140等，或者制作纯色织物样本。由于训练样本的颜色部分直接影响照相测色的准确性，因此制作纯色织物样本的色域体积越大、且样本在颜色空间分布越均匀，其应用性能越好，具体制作方式可参见参考文献2中纯色织物实体样本的制作方法。

[2]梁金星,左传,周景等.一种基于数码相机的织物颜色数字化测量方法[P].湖北省：CN114235153B,2022-05-13.

其次，将训练样本放置于照相测色系统的有效拍照区域内，设置好数码相机的拍摄参数和数据存储格式为raw格式，完成训练样本集的拍摄工作。需要说明的是，不同厂商的数码相机存储raw格式图像的文件格式存在一定差异，如尼康相机的raw格式图像存储格式为*.NEF，而佳能相机的raw格式图像存储格式为*.CR2，该差异不影响raw格式的正常使用。

最后，提取每一个训练样本的raw格式响应值，以用于构建光谱重建矩阵。对于每一个训练样本而言，提取其中心m×m像素区域内的所有像素的raw响应值数据，并对m×m像素点raw响应值数据求平均，得到样本的raw响应值数据，如式(1)所示：

式中，i指示第i个纯色织物样本，j指示提取区域内第j个像素，r_i,j、g_i,j和b_i,j分别为第i个纯色样本的第j个像素红、绿、蓝三通道raw响应值，d_i为第i个训练样本的raw响应值，为1×3的行向量。

进一步的，步骤3中，利用训练样本构建光谱重建矩阵的方法如下：

首先，利用三阶齐次多项式对训练样本的raw响应值进行多项式扩展，其扩展形式如式(2)所示，共包含13个扩展项：

式中，r、g、b为任意训练样本或测量对象R、G、B三个通道的raw响应值，d_*,exp为经过齐次多项式扩展后的raw响应值向量，上标‘T’表示转置，经过齐次多项式扩展之后，训练样本的raw响应值扩展矩阵如式(3)所示，

D_train,exp＝(d_train,exp,1,d_train,exp,2,...,d_train,exp,j)^T(j＝1,2,...,P)， (3)

式中，下标‘j’指示第j个训练样本，P为训练样本的数量，d_train,exp,j为第j个训练样本的raw响应值扩展向量，D_train,exp为训练样本的raw响应值扩展矩阵。

然后，利用训练样本的光谱矩阵和raw响应值扩展矩阵求解光谱重建矩阵，并利用Tikhonov正则化方法对求解过程进行约束，以克服成像噪声信号对光谱重建矩阵求解精度的影响，具体求解方法如式(4)至式(7)所示：首先对训练样本的raw响应值扩展矩阵D_train,exp进行奇异值分解，然后对特征值加上一个极小数α得到约束特征值，以降低raw响应值扩展矩阵的条件数，并重建得到正则化约束之后的raw响应值扩展矩阵D_{train,exp,rec}，最后利用伪逆算法求解光谱重建矩阵Q，

D_train,exp＝USV^T， (4)

P＝S+αI， (5)

D_{train,exp,rec}＝UPV^T， (6)

Q＝R_train·pinv(D_{train,exp,rec})， (7)

式中，U和V分别为经奇异值分解得到的正交分解矩阵，S和P为包含特征值的对角矩阵，I为单位矩阵，pinv()为伪逆运算符号。

进一步的，步骤4中，利用数码相机拍摄纺织面料raw格式数字图像时，应保证拍摄条件与拍摄训练样本时完全一致，否则将因拍摄条件的不一致性导致纺织面料光谱重建误差，最终影响颜色测量结果的准确性。此外，提取待测量区域的大小依据实际测量需求而定，通常为一个k×s的矩形区域，其中k为矩形的长，包含k个像素，s为矩形的宽，包含s个像素，待测量区域共包含k×s个像素。

进一步的，步骤5中，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数的方法具体如下：

首先，利用计算机图像处理相关方法将待测量区域raw彩色图像灰度化，从而获得待测量区域的纹理特征数据，其中将raw格式彩色图像转换为灰度图像的方法如式(8)所示：

y_i＝0.299*r_i+0.587*g_i+0.144*b_i， (8)

式中，y_i表示纺织面料待测量区域内任意像素点的灰度值，r_i表示该像素点红色通道的raw格式颜色值，g_i表示该像素点绿色通道的raw格式颜色值，b_i表示该像素点蓝色通道的raw格式颜色值。

然后，利用待测量区域各像素点灰度值，计算其对应的重建光谱加权系数，计算方法如式(9)至式(10)所示：

式中，y_i,c表示待测量区域任意像素点经过非线性处理后的灰度值，y表示待测量区域内所有像素点灰度值构成的向量，σ为防止分母为零的极小数值，β为灰度值非线性处理参数，y_i,c,n为各像素点对应的重建光谱加权系数。其中，σ和β均为经验参数。

进一步的，步骤6中，利用光谱重建矩阵重建待测量区域各像素点光谱的方法如式(11)所示：

r_i＝Q·d_i,exp， (11)

式中，d_i,exp表示待测量区域任意像素点的扩展raw响应值向量，Q表示光谱重建矩阵，r_i表示待测量区域任意像素点的重建光谱向量。

进一步的，步骤7中，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱的方法如式(12)所示：

式中，r_final为纺织面料待测量区域的最终加权求和光谱向量，λ为波长，通常取值范围为400nm至700nm，以10nm为步长，r_i,λ为待测量区域任意像素点在波长λ处的光谱值。

进一步的，步骤8中，利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据，具体方法如下：

首先，依据色度学理论，由最终加权求和光谱计算获得织物的CIEXYZ三刺激值数据，计算方法如式(13)至式(14)所示，

其中，

式中，x(λ)、y(λ)和z(λ)均为标准观察者颜色匹配函数，E(λ)为物体的光谱反射率，S(λ)为光源的相对光谱功率分布函数，λ为波长，η为调节因子，X、Y和Z分别为纺织面料的三刺激值数据。

然后，计算得到其对应的CIELab颜色数据。依据色度学理论，由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(15)至式(16)所示，

其中，

式中，L、a和b分别为纺织面料在CIELab颜色空间的亮度、红绿和黄蓝颜色值，X、Y和Z分别为纺织面料的三刺激值颜色数据，X_n、Y_n和Z_n分别为参考光源的三刺激值颜色数据，式(16)中H和H_n分别表示纺织面料和参考光源的CIEXYZ三刺激值，至此，完成基于纹理特征加权校正的纺织面料照相测色。

本发明还提供一种基于纹理特征加权校正的纺织面料照相测色系统，包括如下模块：

系统搭建模块，用于搭建照相测色系统；

训练样本拍摄模块，用于拍摄训练样本raw格式数字图像，提取其raw格式响应值；

光谱重建矩阵构建模块，用于利用训练样本构建光谱重建矩阵；

纺织面料拍摄模块，用于拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

光谱加权系数计算模块，用于将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

重建模块，用于利用光谱重建矩阵重建待测量区域各像素点光谱；

加权模块，用于利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

校正模块，用于计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。

本发明针对当前分光光度计对于纹理织物颜色测量应用的缺陷，以及现有照相测色方法对纹理织物颜色测量的局限性，提出基于纹理特征加权校正的纺织面料照相测色方法，使纹理织物的照相测色结果更加符合真实视觉感知，进一步完善了照相测色技术在纺织生产领域中的推广应用。

附图说明

图1为本发明实施例的流程图。

图2为本发明搭建的照相测色系统实物图。

图3为本发明实施例对纹理织物颜色测量结果与分光光度计测量结果对比图。

具体实施方式

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运行。

结合附图1，本发明实施例提出一种基于纹理特征加权校正的纺织面料照相测色方法，具体包括以下步骤：

步骤1，搭建照相测色系统；

步骤2，利用数码相机拍摄训练样本raw格式数字图像，提取其raw格式响应值；

步骤3，利用训练样本构建光谱重建矩阵；

步骤4，利用数码相机拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

步骤5，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

步骤6，利用光谱重建矩阵重建待测量区域各像素点光谱；

步骤7，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

步骤8，利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。

下面通过实施例具体说明每个步骤的处理过程：实施例以自主研制的封闭式日光照明灯箱、爱色丽ColorChecker SG140色卡、Nikon D7200数码相机、以及针织面料为基础，对本发明方法进行测试。

步骤1中，以自主研发的封闭式日光照明灯箱为基础，配合Nikon D7200数码相机，完成照相测色系统的搭建，如附图2所示。该系统满足系统的照明不受自然光照影响，同时在有效拍照区域内光照均匀，有效规避了照相系统偏差问题，照相测色系统搭建的具体实施方式可参见文献1。

[1]梁金星,胡新荣,彭涛等.一种封闭式日光照明灯箱[P].湖北省：CN218585157U,2023-03-07.

步骤2中，利用数码相机拍摄训练样本爱色丽ColorChecker SG140色卡的raw格式数字图像，并提取其raw格式响应值的方法按如下：

首先，准备或制作训练样本，训练样本可以为常见的标准色卡，如爱色丽公司的ColorChecker SG140等，或者制作纯色织物样本。由于训练样本的颜色部分直接影响照相测色的准确性，因此制作纯色织物样本的色域体积越大、且样本在颜色空间分布越均匀，其应用性能越好，具体制作方式可参见参考文献2中纯色织物实体样本的制作方法。本实施例采用爱色丽ColorChecker SG140色卡作为训练样本。

[2]梁金星,左传,周景等.一种基于数码相机的织物颜色数字化测量方法[P].湖北省：CN114235153B,2022-05-13.

其次，将训练样本放置于照相测色系统的有效拍照区域内，设置好数码相机的拍摄参数和数据存储格式为raw格式，完成训练样本集的拍摄工作。需要说明的是，不同厂商的数码相机存储raw格式图像的文件格式存在一定差异，如尼康相机的raw格式图像存储格式为*.NEF，而佳能相机的raw格式图像存储格式为*.CR2，该差异不影响raw格式的正常使用。本实施例中，数码相机的成像参数分别为焦距35mm、ISO100、曝光时间1/25s、光圈大小f5.6，保存的raw格式图像为*.NEF。

最后，提取每一个训练样本的raw格式响应值，以用于构建光谱重建矩阵。对于每一个训练样本而言，提取其中心m×m像素区域内的所有像素的raw响应值数据，并对m×m像素点raw响应值数据求平均，得到样本的raw响应值数据，如式(1)所示：

式中，i指示第i个纯色织物样本，j指示提取区域内第j个像素，r_i,j、g_i,j和b_i,j分别为第i个纯色样本的第j个像素红、绿、蓝三通道raw响应值，d_i为第i个训练样本的raw响应值，为1×3的行向量。实施例中m的值取50。

步骤3中，利用训练样本爱色丽ColorCheckerSG140色卡构建光谱重建矩阵的方法如下：

首先，利用三阶齐次多项式对训练样本的raw响应值进行多项式扩展，其扩展形式如式(2)所示，共包含13个扩展项：

式中，r、g、b为任意训练样本或测量对象R、G、B三个通道的raw响应值，d_*,exp为经过齐次多项式扩展后的raw响应值向量，上标‘T’表示转置，经过齐次多项式扩展之后，训练样本的raw响应值扩展矩阵如式(3)所示，

D_train,exp＝(d_train,exp,1,d_train,exp,2,...,d_train,exp,j)^T(j＝1,2,...,P)， (3)

式中，下标‘j’指示第j个训练样本，P为训练样本的数量，d_train,exp,j为第j个训练样本的raw响应值扩展向量，D_train,exp为训练样本的raw响应值扩展矩阵。实施例中，D_train,exp的维度为140×13。

然后，利用训练样本的光谱矩阵和raw响应值扩展矩阵求解光谱重建矩阵，并利用Tikhonov正则化方法对求解过程进行约束，以克服成像噪声信号对光谱重建矩阵求解精度的影响，具体求解方法如式(4)至式(7)所示：首先对训练样本的raw响应值扩展矩阵D_train,exp进行奇异值分解，然后对特征值加上一个极小数α得到约束特征值，以降低raw响应值扩展矩阵的条件数，并重建得到正则化约束之后的raw响应值扩展矩阵D_{train,exp,rec}，最后利用伪逆算法求解光谱重建矩阵Q，

D_train,exp＝USV^T， (4)

P＝S+αI， (5)

D_{train,exp,rec}＝UPV^T， (6)

Q＝R_train·pinv(D_{train,exp,rec})， (7)

式中，U和V分别为经奇异值分解得到的正交分解矩阵，S和P为包含特征值的对角矩阵，I为单位矩阵，pinv()为伪逆运算符号。实施例中，光谱重建矩阵Q的维度为13×31。

步骤4中，利用数码相机拍摄纺织面料raw格式数字图像时，应保证拍摄条件与拍摄训练样本时完全一致，否则将因拍摄条件的不一致性导致纺织面料光谱重建误差，最终影响颜色测量结果的准确性。此外，提取待测量区域的大小依据实际测量需求而定，通常为一个k×s的矩形区域，其中k为矩形的长，包含k个像素，s为矩形的宽，包含s个像素，待测量区域共包含k×s个像素。实施例中，k和s的取值分别为19和12，共228个像素点。

步骤5中，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数的方法具体如下：

首先，利用计算机图像处理相关方法将待测量区域raw彩色图像灰度化，从而获得待测量区域的纹理特征数据，其中将raw格式彩色图像转换为灰度图像的方法如式(8)所示：

y_i＝0.299*r_i+0.587*g_i+0.144*b_i， (8)

式中，y_i表示纺织面料待测量区域内任意像素点的灰度值，r_i表示该像素点红色通道的raw格式颜色值，g_i表示该像素点绿色通道的raw格式颜色值，b_i表示该像素点蓝色通道的raw格式颜色值。

然后，利用待测量区域各像素点灰度值，计算其对应的重建光谱加权系数，计算方法如式(9)至式(10)所示：

式中，y_i,c表示待测量区域任意像素点经过非线性处理后的灰度值，y表示待测量区域内所有像素点灰度值构成的向量，σ为防止分母为零的极小数值，β为灰度值非线性处理参数，y_i,c,n为各像素点对应的重建光谱加权系数。其中，σ和β均为经验参数。实施例中，σ和β的取值分别为0.001和5。

步骤6中，利用光谱重建矩阵重建待测量区域各像素点光谱的方法如式(11)所示：

r_i＝Q·d_i,exp， (11)

式中，d_i,exp表示待测量区域任意像素点的扩展raw响应值向量，Q表示光谱重建矩阵，r_i表示待测量区域任意像素点的重建光谱向量。

进一步的，步骤7中，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱的方法如式(12)所示：

式中，r_final为纺织面料待测量区域的最终加权求和光谱向量，λ为波长，通常取值范围为400nm至700nm，以10nm为步长，r_i,λ为待测量区域任意像素点在波长λ处的光谱值。实施例中，纺织面料待测量区域的最终加权求和光谱数据参见附图3，其中粗黑线为本发明方法结果，细黑线为分光光度计测量结果。

进一步的，步骤8中，利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据的方法如下：

首先，依据色度学理论，由最终加权求和光谱计算获得织物的CIEXYZ三刺激值数据，计算方法如式(13)至式(14)所示，

其中，

式中，x(λ)、y(λ)和z(λ)均为标准观察者颜色匹配函数，E(λ)为物体的光谱反射率，S(λ)为光源的相对光谱功率分布函数，λ为波长，η为调节因子，X、Y和Z分别为纺织面料的三刺激值数据。

然后，计算得到其对应的CIELab颜色数据。依据色度学理论，由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(15)至式(16)所示，

其中，

式中，L、a和b分别为纺织面料在CIELab颜色空间的亮度、红绿和黄蓝颜色值，X、Y和Z分别为纺织面料的三刺激值颜色数据，X_n、Y_n和Z_n分别为参考光源的三刺激值颜色数据，式(16)中H和H_n分别表示纺织面料和参考光源的CIEXYZ三刺激值，至此，完成基于纹理特征加权校正的纺织面料照相测色。

本发明实施例还提供一种基于纹理特征加权校正的纺织面料照相测色系统，包括如下模块：

系统搭建模块，用于搭建照相测色系统；

训练样本拍摄模块，用于拍摄训练样本raw格式数字图像，提取其raw格式响应值；

光谱重建矩阵构建模块，用于利用训练样本构建光谱重建矩阵；

纺织面料拍摄模块，用于拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

光谱加权系数计算模块，用于将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

重建模块，用于利用光谱重建矩阵重建待测量区域各像素点光谱；

加权模块，用于利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

校正模块，用于计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。

各模块的具体实现方式与各步骤相应，本发明不予撰述。

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 (10)

1.一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于，包括以下步骤：

步骤1，搭建照相测色系统；

步骤2，拍摄训练样本raw格式数字图像，提取其raw格式响应值；

步骤3，利用训练样本构建光谱重建矩阵；

步骤4，拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

步骤5，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

步骤6，利用光谱重建矩阵重建待测量区域各像素点光谱；

步骤7，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

步骤8，计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。

2.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤2中，利用数码相机拍摄训练样本raw格式数字图像，提取其raw格式响应值，具体方法如下：

首先，准备或制作训练样本；

其次，将训练样本放置于照相测色系统的有效拍照区域内，设置好数码相机的拍摄参数和数据存储格式为raw格式，完成训练样本集的拍摄工作；

最后，提取每一个训练样本的raw格式响应值，以用于构建光谱重建矩阵，对于每一个训练样本而言，提取其中心m×m像素区域内的所有像素的raw响应值数据，并对m×m像素点raw响应值数据求平均，得到样本的raw响应值数据，如式(1)所示：

式中，i指示第i个纯色织物样本，j指示提取区域内第j个像素，r_i,j、g_i,j和b_i,j分别为第i个纯色样本的第j个像素红、绿、蓝三通道raw响应值，d_i为第i个训练样本的raw响应值，为1×3的行向量。

3.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤3中，利用训练样本构建光谱重建矩阵的方法如下：

首先，利用三阶齐次多项式对训练样本的raw响应值进行多项式扩展，其扩展形式如式(2)所示，共包含13个扩展项：

式中，r、g、b为任意训练样本或测量对象R、G、B三个通道的raw响应值，d_*,exp为经过齐次多项式扩展后的raw响应值向量，上标T表示转置，经过齐次多项式扩展之后，训练样本的raw响应值扩展矩阵如式(3)所示，

D_train,exp＝(d_train,exp,1,d_train,exp,2,...,d_train,exp,j)^T(j＝1,2,...,P)， (3)

式中，下标j指示第j个训练样本，P为训练样本的数量，d_train,exp,j为第j个训练样本的raw响应值扩展向量，D_train,exp为训练样本的raw响应值扩展矩阵；

然后，利用训练样本的光谱矩阵和raw响应值扩展矩阵求解光谱重建矩阵，并利用Tikhonov正则化方法对求解过程进行约束，以克服成像噪声信号对光谱重建矩阵求解精度的影响，具体求解方法如式(4)至式(7)所示：首先对训练样本的raw响应值扩展矩阵D_train,exp进行奇异值分解，然后对特征值加上一个极小数α得到约束特征值，以降低raw响应值扩展矩阵的条件数，并重建得到正则化约束之后的raw响应值扩展矩阵D_{train,exp,rec}，最后利用伪逆算法求解光谱重建矩阵Q，

D_train,exp＝USV^T， (4)

P＝S+αI， (5)

D_{train,exp,rec}＝UPV^T， (6)

Q＝R_train·pinv(D_{train,exp,rec})， (7)

式中，U和V分别为经奇异值分解得到的正交分解矩阵，S和P为包含特征值的对角矩阵，I为单位矩阵，pinv()为伪逆运算符号。

4.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤5中，将raw格式图像转换成灰度图，并计算各像素点光谱加权系数的方法具体如下：

首先，利用计算机图像处理相关方法将待测量区域raw彩色图像灰度化，从而获得待测量区域的纹理特征数据，其中将raw格式彩色图像转换为灰度图像的方法如式(8)所示：

y_i＝0.299*r_i+0.587*g_i+0.144*b_i， (8)

式中，y_i表示纺织面料待测量区域内任意像素点的灰度值，r_i表示该像素点红色通道的raw格式颜色值，g_i表示该像素点绿色通道的raw格式颜色值，b_i表示该像素点蓝色通道的raw格式颜色值；

然后，利用待测量区域各像素点灰度值，计算其对应的重建光谱加权系数，计算方法如式(9)至式(10)所示：

式中，k和s表示待测量区域的长和宽，y_i,c表示待测量区域任意像素点经过非线性处理后的灰度值，y表示待测量区域内所有像素点灰度值构成的向量，σ为防止分母为零的极小数值，β为灰度值非线性处理参数，y_i,c,n为各像素点对应的重建光谱加权系数，其中，σ和β均为经验参数。

5.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤6中，利用光谱重建矩阵重建待测量区域各像素点光谱的方法如式(11)所示：

r_i＝Q·d_i,exp， (11)

式中，d_i,exp表示待测量区域任意像素点的扩展raw响应值向量，Q表示光谱重建矩阵，r_i表示待测量区域任意像素点的重建光谱向量。

6.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤7中，利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱的方法如式(12)所示：

式中，r_final为纺织面料待测量区域的最终加权求和光谱向量，λ为波长，取值范围为400nm至700nm，以10nm为步长，r_i,λ为待测量区域任意像素点在波长λ处的光谱值，y_i,c,n为各像素点对应的重建光谱加权系数。

7.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤8中，利用色度学理论计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据，具体方法如下：

首先，依据色度学理论，由最终加权求和光谱计算获得织物的CIEXYZ三刺激值数据，计算方法如式(13)至式(14)所示，

其中，

式中，x(λ)、y(λ)和z(λ)均为标准观察者颜色匹配函数，E(λ)为物体的光谱反射率，S(λ)为光源的相对光谱功率分布函数，λ为波长，η为调节因子，X、Y和Z分别为纺织面料的三刺激值数据；

然后，计算得到其对应的CIELab颜色数据；依据色度学理论，由三刺激值CIEXYZ数据计算得到其对应的CIELab颜色数据的方法如式(15)至式(16)所示，

其中，

式中，L、a和b分别为纺织面料在CIELab颜色空间的亮度、红绿和黄蓝颜色值，X、Y和Z分别为纺织面料的三刺激值颜色数据，X_n、Y_n和Z_n分别为参考光源的三刺激值颜色数据，式(16)中H和H_n分别表示纺织面料和参考光源的CIEXYZ三刺激值，至此，完成基于纹理特征加权校正的纺织面料照相测色。

8.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：步骤1中搭建的照相测色系统满足如下要求：

(1)照明不受自然光照影响；

(2)在有效拍照区域内光照具备均匀性。

9.如权利要求1所述的一种基于纹理特征加权校正的纺织面料照相测色方法，其特征在于：待测量区域为一个k×s的矩形区域，其中k为矩形的长，包含k个像素，s为矩形的宽，包含s个像素，待测量区域共包含k×s个像素。

10.一种基于纹理特征加权校正的纺织面料照相测色系统，其特征在于，包括如下模块：

系统搭建模块，用于搭建照相测色系统；

训练样本拍摄模块，用于拍摄训练样本raw格式数字图像，提取其raw格式响应值；

光谱重建矩阵构建模块，用于利用训练样本构建光谱重建矩阵；

纺织面料拍摄模块，用于拍摄纺织面料raw格式数字图像，并提取待测量区域raw格式图像；

光谱加权系数计算模块，用于将raw格式图像转换成灰度图，并计算各像素点光谱加权系数；

重建模块，用于利用光谱重建矩阵重建待测量区域各像素点光谱；

加权模块，用于利用各像素点加权系数对其重建光谱进行加权，并对加权光谱求和得到校正光谱；

校正模块，用于计算校正光谱对应的颜色数据，得到纺织面料颜色校正测量数据。