[发明专利]一种基于样本特征匹配的光谱重建方法

说明书

本发明提供了一种基于样本特征匹配的光谱重建方法，其特征在于，包括以下步骤：首先在环境光源下通过数字成像设备获得训练样本集和测试样本的颜色响应值；然后利用样本特征匹配方法筛选训练样本集得到聚类训练样本颜色响应值集和光谱集；接着对聚类训练样本颜色响应值和测试样本颜色响应值进行归一化处理，利用最小二乘法计算得到系数矩阵；最后，利用系数矩阵和曲线平滑方法重建出物体表面光谱反射率。本发明提供了一种重建精度高、计算简单、充分考虑光谱反射率自身的物理特性、利用样本自身特征筛选的光谱重建方法。

技术领域

本发明涉及一种光谱重建方法，具体涉及到一种基于样本特征匹配的光谱重建方法，可广泛应用于纺织颜色、印刷检测、艺术品复制以及电子商务等领域。

背景技术

定量代表物体颜色信息的方式主要由两种方式：基于色度的颜色信息和基于物体表面光谱反射率的颜色信息。基于色度的颜色信息通常使用颜色三刺激值来表示，如普通数码相机、LCD显示器或多媒体投影仪中颜色通常使用R、G、B三刺激值来表示，而这三刺激值又可以转换到其他相对应的三刺激值，如CIE三刺激值X、Y、Z或Lab值等。颜色三刺激值是通过光源的相对光谱功率分布、获取颜色信息设备的光谱灵敏度或CIE标准色度观察者光谱三刺激值和颜色物体表面的光谱反射率三者积分得到的颜色值。从理论上来讲，同一个颜色三刺激值会对应无数多个物体光谱反射率，存在同色异谱问题。而基于物体表面光谱反射率的颜色信息被人们称为颜色“指纹”，是被测物体反射的光通量与入射的光通量之间的比值，是物体的固有属性而不受到外界因素的影响；它能准确地表达在任意观察环境下物体的颜色特性，现已广泛应用在纺织颜色、印刷检测、艺术品复制以及电子商务等领域。因此，基于光谱反射率的颜色信息获取能够解决同色异谱问题，已成为最近的研究热点。

在现有技术当中，通过分光光度计可直接测得物体表面的光谱反射率；但是相关设备价格较高，且在其测量时必须对具有一定尺寸的平面物体进行接触式测量，其测量效率较低；加上现有许多常见颜色获取/显示设备仅能通过相对应的颜色通道来表达颜色信息。所以近年来大量研究者主要是通过普通数码相机、多通道相机、扫描仪、显示器等获得物体颜色的颜色响应值或CIE色度值后再重建物体表面的光谱反射率的方式被广泛采用。

目前主要有两大类算法用于实现由数码相机、多光谱系统、扫描仪、显示器等获得物体颜色的颜色响应值到光谱反射率的重建。一类是优化算法，主要涉及到光谱重建的最优化问题，包含全局最优解和局部最优解；在光谱重建过程中，计算结果不断迭代，直至达到限制条件所需要的要求。很显然，优化算法需要大量的时间花费，主要算法有神经网络、支持向量积、压缩感知、遗传算法等。另一类是线性模型法，可直接求解出转换矩阵，计算简单，计算效果较高；其主要有违逆法及其改进算法、主成分分析法(PCA，PrincipalComponent Analysis)、独立元分析法、非负矩阵分解法、线性插值法以及这些算法的组合应用等。然而，上述光谱重建方法仅是考虑数学意义上的最佳值，忽略了样本自身的特征和光谱反射率的物理意义(如光谱反射率数值存在不大于1、不小于0的数值)，导致重建出的光谱反射率物理数值和平滑性与实际物体存在较大偏差。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种重建精度高、计算简单、充分考虑光谱反射率自身的物理特性、利用样本自身特征筛选的光谱重建方法。

本发明是通过如下技术方案实现的：

一种基于样本特征匹配的光谱重建方法，其特征是，包括以下步骤：

步骤1，物体颜色数据的获取：采用标准色卡作为训练样本集，通过分光光度计测量训练样本集的光谱反射率，得到训练样本的光谱集；然后在数字成像设备中通过测量和计算获得训练样本集对应的颜色响应值集I_c。

所述物体颜色数据的获取具体步骤为：

(1)采用标准色卡作为训练样本集，通过分光光度计测量训练样本集的光谱反射率；