技术领域
[0001] 本
发明涉及一种光谱重建方法，具体涉及到一种基于颜色恒常性的虚拟多光源光谱重建方法，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
[0002] 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为其他相对应的三刺激值，如CIE三刺激值X、Y、Z或Lab值等。在理想情况下，三刺激值的获取通常需要已知光源的光谱相对功率分布，设备的光谱灵敏度或CIE标准色度观察者光谱三刺激值以及物体表面的光谱反射率，即可计算出物体表面的颜色三刺激值。由此可知，三刺激值在色度空间中易受光源、设备/观察者、物体表面的光谱反射率的影响，容易出现同色异谱现象。
[0003] 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。
[0004] 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。
[0005] 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，已成为物体光谱反射率的主流方法；其主要有违逆法及其改进算法、主成分分析法（PCA，Principal Component 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，从常规色度获取设备（如扫描仪）内往往不能额外获得三刺激值、参照（拍照）光源的选择、忽略人眼颜色恒常性等问题，导致线性模型法在光谱重建过程存在较大误差。
发明内容
[0006] 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、消除参照光源影响、考虑人眼颜色恒常性的虚拟多光源光谱重建方法。
[0007] 本发明是通过如下技术方案实现的：
[0008] 一种基于颜色恒常性的虚拟多光源光谱重建方法，其特征是，包括以下步骤：
[0009] 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A；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Ic；
[0010] 步骤2，光源独立性颜色数据的生成：利用人眼视觉特性的颜色恒常性方法消除光照对颜色响应值的影响，得到具有光谱独立性的颜色响应值集 ；所述颜色恒常性方法如下：
[0011]
[0012] 式中，通过颜色恒常性方法而得到的校正
特征向量 ；校正系数矩阵W因环境光源的
选定而确定。
[0013] 步骤3，虚拟光源的生成：采用光谱数据
降维方法提取不同光源
光谱特性的主成分，采用数学变换的方式构造出所需数量的虚拟光源；
[0014] 步骤4，光谱重建：根据不同虚拟光源构造出多维颜色响应值集，从而利用多维颜色响应值集来提高光谱重建精度；
[0015] 在本发明所述的一种基于颜色恒常性的虚拟多光源重建方法，还具有这样的特征：其中，所述物体颜色数据的获取具体步骤为：
[0016] （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；
[0017] （2）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Ic：
[0018]
[0019] 式中，环境光源相对光谱功率分布为 、物体表面光谱反射率为 ，数字成像设备颜色通道cth的颜色匹配函数 ，颜色通道c=r,g,b。
[0020] 在本发明所述的一种基于颜色恒常性的虚拟多光源重建方法，还具有这样的特征：其中，所述虚拟光源的生成具体步骤为：
[0021] （1）对不同光源的相对光谱功率分布按照每个光源的最大功率值进行归一化处理，得到光源光谱功率归一化集；
[0022] （2）采用光谱数据降维方法提取光源光谱功率归一化集的主成分；
[0023] （3）对每一个主成分 进行归一化处理，使主成分线性转换到数值范围为[0,1]得到转换主成分 ；根据实际的场景需求，根据主成分贡献率大小选取不同转换主成分作为虚拟光源 。
[0024] 所述归一化处理得到转换主成分的公式为：
[0025]
[0026] 式中， 分别代表每一个主成分数值中的最大值和最小值。
[0027] 在本发明所述的一种基于颜色恒常性的虚拟多光源重建方法，还具有这样的特征：其中，所述光谱重建具体步骤为：
[0028] （1）利用校正系数矩阵的违逆矩阵pinv（W）在每一种虚拟光源下构造出3维的颜色响应值，多种虚拟光源构造出多维颜色响应值集Ip；
[0029] 计算每一种虚拟光源下颜色响应值的方法如下：
[0030]
[0031] 式中， 为每一种虚拟光源下构造出的3维颜色响应值。
[0032] （2）使用训练样本的光谱集A和多种虚拟光源下构造出的多维颜色响应值集Ip，采用线性模型法计算得到转换矩阵M；计算方法如下：
[0033] Ip=MA
[0034] M= Ip×pinv(A)
[0035] （3）待测试样本在环境光源下通过数字成像设备获得颜色响应值，然后利用颜色恒常性方法和校正系数矩阵的违逆矩阵pinv（W）在多种虚拟光源下构造出多维颜色响应值Iq，最后采用线性模型法计算得到待测试样本的光谱反射率R。计算方法如下：
[0036] R=pinv(M)×Iq
[0037] 在本发明所述的一种基于颜色恒常性的虚拟多光源重建方法，还具有这样的特征：其中，所述标准色卡是指Munsell、Macbeth或NCS；所述线性模型法是指违逆法、主成分分析法、独立元分析法、非负矩阵分解法或线性插值法；所述光源是指CIE照明体、LED、TH和
荧光灯；所述的光谱数据降维方法是指PCA、神经网络或独立分析法。
[0038] 一种印刷品
质量检测方法，其特征在于，该方法由以下步骤实现：
[0039] （a）获取印刷品：对印刷机印刷得到的印刷品进行随机抽样，得到检测印刷品，然后把检测印刷品放置到印刷看样台；
[0040] （b）采用前述发明内容中任一项“一种基于颜色恒常性的虚拟多光源光谱重建方法”得到光谱反射率R；
[0041] （c）与印刷原稿的光谱反射率进行对比，计算两者之间的均方根误差值。计算方法如下：
[0042]
[0043] 式中，r为印刷原稿光谱反射率，为检测印刷品的光谱反射率，n是
波长维数。
[0044] （d）均方根误差值在0.05之内为合格品；对于非合格品，通过调节印刷机的印刷压
力、印刷环境的温湿度、印刷油墨来实现均方根误差值在0.05之内。所述调节印刷机的技术特征均为本领域技术人员已知技术。
[0045] 发明的作用与效果
[0046] 根据本发明所涉及的光谱重建方法，在环境光源下通过数字成像设备获得训练样本集和待测试样本的颜色响应值；然后利用颜色恒常性方法计算得到训练样本集和待测试样本所对应的虚拟光源下多维颜色响应值，最后通过线性模型法计算得到待测试样本的光谱反射率。因此，在消除参照光源影响的前提下，通过虚拟光源中构造出多维颜色响应值来重建光谱反射率，计算简单，光谱重建精度高，并且相对用户使用而言也较为方便。
附图说明
[0047] 图1是本发明的一种基于颜色恒常性的虚拟多光源光谱重建方法
流程图。
具体实施方式
[0048] 为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下
实施例结合附图对本发明跨媒体光谱域的映射方法作具体阐述。
[0049] 图1是本发明的一种基于颜色恒常性的虚拟多光源光谱重建方法流程图。
[0050] 如图1所示，本发明所提供的一种基于颜色恒常性的虚拟多光源光谱重建方法包括以下步骤：
[0051] 步骤1，物体颜色数据的获取：选择标准色卡（如Munsell、Macbeth、NCS等）作为训练样本集，通过分光光度计测量标准色卡的光谱反射率，得到训练样本的光谱集A；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Ic；具体操作步骤如下：
[0052] （1）选择标准色卡（如Munsell、Macbeth、NCS等）作为训练样本，通过分光光度计测量标准色卡的光谱反射率；
[0053] （2）在数字成像设备（如数码相机、扫描仪、显示器等）中通过测量和计算获得标准色卡对应的颜色响应值Ic：
[0054]
[0055] 式中，环境光源相对光谱功率分布为 、物体表面光谱反射率为 ，数字成像设备颜色通道cth的颜色匹配函数 ，颜色通道c=r,g,b。
[0056] 步骤2，由于数字成像设备不具有人眼视觉特性的颜色恒常性，不能消除环境光源影响而正确感知物体本来颜色，导致获取的物体颜色数值因光源
色温、曝光不足等因素而存在
色偏问题。利用人眼视觉特性的颜色恒常性方法消除光照对颜色响应值的影响，得到具有光谱独立性（Illumination Independent）的颜色响应值 ；颜色恒常性方法如下：
[0057]
[0058] 式中，通过选定的颜色恒常性方法而得到的校正特征向量 ，可采用的方法有Von Kries对
角模型、White Patch算法、Grey World算法、SoG算法等；校正系数矩阵W因环境光源的选定而确定。
[0059] 步骤3，参照光源的选择对光谱重建精度影响较大，采用PCA、神经网络（NNs）或独立分析法（ICA）等数据降维方法提取不同CIE照明体、LED、TH和
荧光灯等光源光谱特性的主成分，采用数学变换的方式构造出3个虚拟光源；虚拟光源代表着多种光源的主要特性，消除单一参照光源对光谱重建精度的影响；具体操作步骤如下：
[0060] （1）对不同CIE照明体、LED、TH和荧光灯等光源的相对光谱功率分布按照每个光源的最大功率值进行归一化处理，得到光源光谱功率归一化集；
[0061] （2）采用多元统计分析法（如主成分分析法）提取光源光谱归一化集的主成分；
[0062] （3）由于主成分中含有负值，需要对每一个主成分 进行归一化处理，使主成分线性转换到数值范围为[0,1]得到转换主成分 ；根据需求，根据主成分贡献率大小选取3个转换主成分作为虚拟光源 。
[0063] 归一化处理得到转换主成分的公式为：
[0064]
[0065] 式中， 分别代表每一个主成分数值中的最大值和最小值。
[0066] 步骤4，从常规色度获取设备（如扫描仪）内只能获取一组3维颜色响应值，往往不能额外获得一组颜色响应值，导致光谱重建精度低；在虚拟光源下构造出9维的颜色响应值，从而利用多维设备值来提高光谱重建的精度，最终提高多光谱图像的获取精度；具体操作步骤如下：
[0067] （1）利用校正系数矩阵的违逆矩阵pinv（W）在虚拟光源下构造出9维的颜色响应值Ip；
[0068] 计算每一种虚拟光源下颜色响应值的方法如下：
[0069]
[0070] 式中， 为不同虚拟光源下构造出的训练样本的颜色响应值。
[0071] （2）使用训练样本的光谱集A和虚拟光源下构造出的9维颜色响应值集Ip，采用线性模型法（如伪逆法）计算得到转换矩阵M；计算方法如下：
[0072] Ip=MA
[0073] M= Ip×pinv(A)
[0074] （3）待测试样本在环境光源下通过数字成像设备获得颜色响应值，然后利用颜色恒常性/
白平衡公式计算得到虚拟光源下的9维颜色响应值Iq，最后采用线性模型法计算得到待测试样本的光谱反射率R。计算方法如下：
[0075] R=pinv(M)×Iq
[0076] 一种印刷品质量检测方法，其特征在于，该方法由以下步骤实现：
[0077] （a）获取印刷品：对印刷机印刷得到的印刷品进行随机抽样，得到检测印刷品，然后把检测印刷品放置到印刷看样台；
[0078] （b）采用前述发明内容中任一项“一种基于颜色恒常性的虚拟多光源光谱重建方法”得到光谱反射率R；
[0079] （c）与印刷原稿的光谱反射率进行对比，计算两者之间的均方根误差值。计算方法如下：
[0080]
[0081] 式中，r为印刷原稿光谱反射率，为检测印刷品的光谱反射率，n是波长维数。
[0082] （d）均方根误差值在0.05之内为合格品；对于非合格品，通过调节印刷机的印刷压力、印刷环境的温湿度、印刷油墨来实现均方根误差值在0.05之内。所述调节印刷机的技术特征均为本领域技术人员已知技术。
[0083] 实施例的作用与效果
[0084] 根据本实施例所提供的一种利用人眼视觉特性的颜色恒常性在虚拟光源中构造多维颜色响应值，以此来提高光谱重建精度。首先，在环境光源下通过数字成像设备获得训练样本集和待测试样本的颜色响应值；然后利用颜色恒常性公式计算得到训练样本集和待测试样本所对应的虚拟光源下多维颜色响应值，最后通过线性模型法计算得到待测试样本的光谱反射率。
[0085] 在本实施例的光谱重建方法中，由于利用了人眼的颜色恒常性特性，在虚拟光源中构造出多维颜色响应值，在消除参照光源影响的前提下，计算简单，光谱重建精度高，并且相对用户使用而言也较为方便。
[0086] 上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。
