[发明专利]一种基于光源筛选的光谱重建方法

权利要求书

1.一种基于光源筛选的光谱重建方法，其特征在于，该方法由以下步骤实现：

步骤1，参考光源的筛选：选择不同类型且平滑的光源光谱功率分布(Spectral PowerDistributions)作为参考光源集I_S，利用光谱匹配方法来计算两个参考光源之间的相似度S_α，β；具体操作过程如下：

(1)选择不同类型且平滑的光源光谱功率分布(Spectral Power Distributions)作为参考光源集I_S；

(2)利用光谱匹配方法来计算两个参考光源之间的相似度S_α，β，选择光源相似度S_α，β计算数值最大值两个参考光源作为筛选光源，分别为I₁和I₂；筛选光源集I_D＝[I₁；I₂]；

所述光谱匹配方法如下：

式中，I_α和I_ε分别代表在参考光源集I_S内第α(α＝1…m)个和第ε(ε＝1…m)个参考光源光谱功率分布；m是参考光源集I_S内参考光源的数量；

步骤2，物体颜色值的获取：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在参考光源下对应的训练样本色度值集T_c；具体操作过程如下：

(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；

(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色度值集T_c：

式中，物体表面光谱反射率为r(λ)，K为修正系数，和是CIE颜色匹配函数，I_i为第i(i＝1…m)个筛选光源，t_i＝[X_i，Y_i，Z_i]^T为在给定的筛选光源I_i下物体的色度值，上标T为矩阵转置，m＝2，T_c＝[t₁，t₂]；

步骤3，局部样本的加权：充分考虑测试样本的特征，选择一定数量与测试样本空间结构相近的训练样本得到局部训练样本集；同时，在局部训练样本集内的每个样本按照与测试样本在空间结构的相近程度进行加权得到多维色度值加权集；具体操作过程如下：

(1)充分考虑测试样本的特征，利用多维颜色空间欧式距离方法计算测试样本与训练样本之间的多维颜色空间欧式距离数值大小；

所述多维颜色空间欧式距离方法如下：

式中，X_i，test，Y_i，test和Z_i，test分别为测试样本在第i个筛选光源下的色度值，n为训练样本的数量，X_i，j，Y_i，j和Z_i，j为在i个筛选光源下第j个训练样本的色度值，d_j为在多光源条件下测试样本与第j个训练样本之间的多维颜色空间欧式距离；

(2)按照d_j的大小对训练样本进行升序排列，选择前p(1≤p≤n)个与测试样本空间结构相近的训练样本得到局部训练样本集P；局部训练样本集P所包含的训练样本对应的光谱反射率形成局部训练样本光谱集A；局部训练样本集P所包含的训练样本对应的多参考光源色度值形成局部训练样本色度值集T_P；

(3)在局部训练样本集P内，每个训练样本根据d_j的大小确定加权系数W，确定方法如下：

式中，d_k为在局部训练样本集P内测试样本与第k(1≤k≤p)个训练样本之间的多维颜色空间欧式距离，ε＝0.001为调整系数；

步骤4，光谱重建：根据线性模型光谱重建方法，利用多维色度值加权值集来提高光谱重建精度；具体操作过程如下：

(1)利用局部训练样本集P内的局部训练样本光谱集A和局部训练样本色度值集T_P，采用线性模型光谱重建方法计算得到转换矩阵M；计算方法如下：

M＝AW(T_PW)⁺

式中，上标+为违逆矩阵；

(2)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：

R＝MI_q

式中，I_q为在筛选光源下测试样本形成的多光源色度值。