标志”src=

《光谱学
PDF
《光谱学/2019年/文章

研究文章|开放获取

体积 2019年 |文章的ID 3538265 | https://doi.org/10.1155/2019/3538265

广元Wu Linyong钱,Guichun胡,李小周, ”光谱反射率复苏Multi-Illuminants下三色值”,《光谱学, 卷。2019年, 文章的ID3538265, 9 页面, 2019年。 https://doi.org/10.1155/2019/3538265

光谱反射率复苏Multi-Illuminants下三色值

广元吴,1,2 Linyong钱,3 Guichun胡,1,4 和 李小周1

1齐鲁大学轻工学院和工程技术(山东科学院),250353年济南,中国

2全国地方联合工程数字化实验室电气设计技术,325035年温州,中国

3江苏师范大学物理与电子工程学院,徐州221116年,中国

4重点实验室辅助化学和化工技术,教育部,陕西科技大学,西安710021年,中国

学术编辑器:Khalique艾哈迈德
收到了 2019年2月23日
接受 09年10月2019年
发表 2019年11月03

文摘

一个有效的程序恢复使用对象的光谱反射率三色值multi-illuminants下提出的调整与测试样本的特征来获取变换矩阵的伪逆。具体来说,我们建议参考光源选择策略和本地样本加权策略获得multi-illuminants条件下最优变换矩阵。选择参考光源是基于光谱角映射器(SAM)的结果统计。选中的地方训练样本的数量和当地加权样本可以确定通过使用多色空间欧氏距离。比较实验结果,该方法显著提高了光谱和光谱反射比色准确性恢复过程。

1。介绍

对象的光谱反射率几乎是“指纹”的定义,准确预测对象的外表下任意光源和观察人士。最准确的和有效的信息来表示物体颜色的光谱反射率是非常可取的,因为它在常见的应用场景是至关重要的,例如,印刷检查、疾病诊断、纺织配色,和计算机视觉1- - - - - -4]。通常,光谱反射率可以直接获得从分光光度计和光谱相机。不幸的是,便携性、复杂性和昂贵性这些设备限制自己的可用性。最常用的比色值,相反,可以很容易地可得到的数码相机,智能手机,和色度计。

如RGB或CIE的色度值XYZ三色值,获得从三个频道,只记录在固定观察条件下的颜色信息。有一些情况下,这种表示方法是不够的,因为它是严重依赖的光源。所以,与光源的比色值仍然有着很大的差别。虽然比色值的计算是由对象的光谱反射率,光谱反射率复苏的问题比色值的计算通常是不适定的。许多不同的数学方法仍广泛研究恢复,例如,伪逆法(π)5),主成分分析(PCA) (6),R矩阵方法(7),非负矩阵变换(NNMF) [8),模拟退火(9),压缩传感(10),单纯形法(9),等等。π的方法是所有这些方法的一个简单明了的解决方案不适定反问题,显示更清楚比色值和相应的频谱之间的联系。

事实上,光谱复苏从一组相应的比色值指定illuminant-observer条件下限制只有三个可用的维度,从而导致光谱反射率复苏的明显不足。比色值下multi-illuminants激发了研究者开始使用几个不同的频谱恢复过程相应的值。Schettini和Zuffi11)利用遗传算法频谱CIE的复苏XYZ三色值的前提下一个或multi-illuminants基函数和基数调查。Abed et al。12提出了不同的颜色空间的查找表(附近地区)使用一种新颖的插值策略下的频谱恢复照明D65以及照明;他们表示,更多的颜色坐标重建附近地区,能获得更好的频谱恢复的结果。Harifi et al。13]最初应用非线性回归方法几乎增加tristmulus值的数量,然后使用了六个特征向量谱恢复过程。Amiri和Amirshahi8)增加了CIE几乎XYZ三色值下的另一个光源,然后恢复光谱反射率使用六个特征向量采用PCA或NNMF方法,分别。Zhang et al。14]最初预测CIEXYZ三色值从相机的响应值根据不同的光源,然后恢复通过π光谱反射率的方法。然而,上述方法可用于光谱反射率康复三色值根据预定义的参考光源(如光源和光源D65)和治疗同样每个训练样本对光谱的影响多光源下恢复过程。

本研究提出了一个更准确的恢复光谱反射率法从三色值multi-illuminants下解决上面提到的问题。

新奇的方法涉及参考光源选择策略和当地multi-illuminants条件下样本加权策略。提出的实验结果和传统的方法相比,评估实际之间的光谱和比色准确性和估计光谱。

2。数学背景和方法

国际学院XYZ三色值下multi-illuminants只是计算以下方程: 与 在哪里 表示对象的反射光谱; 是标准化的因素; , ,和 表示的颜色匹配函数CIE标准色度观察者; 表示其参考光源的指数 ; 表示物体颜色的三刺激值在给定参考光源 ;的上标 表示矩阵的转置。方程(1)可以用矩阵表示符号如下: 在哪里 结合矩阵的三色值multi-illuminants下吗 系数矩阵包括参考光源和CIE颜色匹配函数。对于任意的颜色结合矩阵 从multi-illuminants下三色值,恢复光谱 可以计算逆矩阵的获取吗 直接。这光谱立即恢复过程实现了从三色值空间转换到空间称为直接光谱反射率光谱恢复方法(15]。自 是一个欠定的矩阵,恢复光谱得到的伪逆矩阵 ,这不可避免地会导致很大的计算误差病态逆问题。光谱反射率的复苏 使用PI方法只是计算了以下方程: 上标“+”的矩阵伪逆。

方程(4)multi-illuminants下创建一个线性三色值之间的转换和光谱反射率,所以它被认为是一个简单的和有效果的解决方案。当变换矩阵 计算,恢复过程直接产生一个单一的线性关系。它必须接受光谱π的恢复过程的实现方法,每个训练样本使平等差异的形成 ,所以它会导致样品完全优化,而不是为每个单独的样本。因此,标准伪逆法使得大量计算和实际之间的误差估计光谱并生成一个不精确的结果。显然,越相似之间的光谱反射率测试样本和训练样本,可以生成更精确的结果,由于更多的线性关系(16,17]。理论上说,如果矩阵 可以由测试样本的特征,恢复光谱的性能优化计算。在这个工作中,得到矩阵 与测试样本的特点,适应当地的样本加权策略提出了计算光谱反射率复苏。当地样本加权策略包括最优训练样本的选择和权重的地方选择样本。局部最优训练样本的基础上,测试样本的特征选择,使用多色空间之间的欧几里得距离测试样本和训练样本。具体来说,多色空间之间的欧几里得距离每个测试样本和训练样本可以计算如下: 在哪里 , ,和 表示下的三色值的测试样本 th参考光源; 演示了训练样本的数量; , ,和 表示 训练样本的三色值 th参考光源;和 指的是多色空间测试样本之间的欧氏距离 multi-illuminants条件下训练样本。后的训练样本安排增加订单的基础上 值。当地已获得最佳训练样本选择 邻近的整个训练样本的样本。与此同时,不同的地方训练样本应该选择不同的权重有效因为权重越大效率一定的训练样本选择,较强的影响矩阵 这种番茄。权重系数,根据逆多色空间欧氏距离,可以作为计算 其中下标 表示 th当地最佳的训练样本; 表示多色空间测试样本之间的欧氏距离 th局部最优训练样本的样本;和 在这项研究中使用。显然,更多的邻近的训练样本与测试样本将产生较大的 价值。这显示了数学符号周长条校样。权重矩阵 是一个对角矩阵定义为

事实上,设计方法有选择性地控制影响矩阵的形成 根据测试样本的特征,从一个测试样本到另一个不同。每一个测试样本应该有自己的变换矩阵,而不是一个独特的变换矩阵为整个测试样本,它生成一个更精确的估计结果。

3所示。实验和程序

在这项研究中,选择三种不同的数据集,包括孟塞尔芯片(18),ColorChecker SG, Vrhel数据集(19]。孟塞尔芯片由1269光谱颜色芯片在孟塞尔哑光颜色的书。140芯片的ColorChecher SG亲自用爱色丽公司i1 pro分光光度计测量。Vrhel数据集包含354样品的反射光谱。光谱反射率函数证明样本每隔10 nm而不影响极大的数学精度(20.]。所以,三个不同的数据集样本的光谱反射率范围从400纳米到700纳米10 nm的间隔。孟塞尔芯片被选作为训练样本在这项研究中,和他们的变换矩阵被用来恢复三个不同的测试样本。

照亮的优点提出了方法,标准的伪逆法(π)方法和主成分分析嵌入式体重回归技术建议Amiri和Amirshahi [8与光谱复苏的结果比较多光源下从三色值。均方根误差(RMSE),拟合优度系数(GFC)和CIELAB色差(∆Eab)被选为谱恢复精度的评价21),而所有光谱反射率的方法恢复由Matlab软件进行实验仿真。

占主导地位的光谱功率分布(spd)的选择参考光源和光源的分布和相对平静,没有相当的光芒。所以,CIE光源(A, B, C, D50 D55,和D65)和两个实际的发光二极管(LED)光源(LED1:森林城康科德2048794和LED2:光子明星CS5) (22)被选为参考光源,以评估谱恢复精度在这项研究。所有的CIE光源和led采样范围从400纳米到700纳米10 nm的间隔。评价该方法的性能,关键是确定参考光源的类型,也就是说,什么是最佳类型的参考光源改善光谱反射恢复精度。Zhang et al。(14]前面所讨论的,可以观察到一个趋势:越相似的光谱功率分布(spd)两个选定的参考光源,谱恢复精度越低。然而,这一点缺乏明确的数值解释来验证。本研究采用光谱角映射器(SAM)算法(23,24)的相似性计算参考光源作为参考光源的选择策略,显示为 在哪里 和 表示参考光源的spd值向量索引 和参考光源的指数 ,分别。这个方法决定了spd相似性把两个参考光源与治疗同样每个维度并计算向量之间的夹角的两个参考光源,不采用向量长度而是向量方向(15]。

4所示。结果与讨论

提出了光谱反射率复苏方法主要包括两个最优参数,即最优参数的参考光源和当地样本加权方法的最优参数。本研究首先调查两个谱恢复过程的最优参数,最后评估的光谱反射恢复精度提出了与传统方法相比。

4.1。参考光源的最佳参数

光谱反射恢复精度会受到光源的数量和类型选择参考。从理论上讲,增加参考光源的数量可以增加光谱恢复精度,但是获得额外的三色值的比色装置将不容易可得到的。与此同时,根据结论由Schettini Zuffi [11),光谱的结果恢复三个参考光源下提高计算精度比下两个光源。在这项研究中,参考光源的数量决定两个光源。参考光源的类型选择最优相对平滑的光源而不是其可观的光源;这是因为谱恢复精度很低,当一个或两个的光源采用参考光源(14]。首先,所有样品的孟塞尔芯片,ColorChecker SG, Vrhel数据集计算数值获取CIE 1964XYZ三色值根据CIE光源(A, B, C, D50 D55,和D65)和两个实际的发光二极管(LED)光源(LED1领导:森林城康科德20487942:光子明星CS5),这说明了选择最优参考光源的类型。在这项研究中,我们认为孟塞尔芯片作为训练样本的光谱反射率估算孟塞尔芯片,ColorChecker SG, Vrhel数据集下两种不同的光源与相应的CIE 1964XYZ三色值。表1显示平均均方根误差(RMSE)之间的实际和重建光谱孟塞尔芯片,ColorChecker SG, Vrhel数据集下两个光源组合。首先,它注意到CIE 1964XYZ三色值在两个不同的光源对幽灵似地恢复结果有非常重要的影响。其次,表1说明了光谱反射率精度为孟塞尔芯片提出了比ColorChecker SG和Vrhel数据集。作为Babaei et al。5)提出了一项研究,获得最好的最佳条件是当测试样本训练样本的数量。第三,相似的两个参考光源也会影响谱估计精度。表2显示了光谱角制图者(SAM)统计两个参考光源。这两个参考光源的光谱曲线形状比较彼此之间的不同,谱恢复精度会更好,如表所示1和2。结合所有的实验结果表1和2,本研究选择最后两个光源D65和参考光源。
一个 B C D50 D55 D65 领导1 领导2
孟塞尔芯片 一个 0.0218 0.0112 0.0113 0.0097 0.0096 0.0095 0.0140 0.0123
B 0.0112 0.0227 0.0115 0.0126 0.0134 0.0113 0.0123 0.0129
C 0.0113 0.0115 0.0232 0.0128 0.0136 0.0149 0.0121 0.0125
D50 0.0097 0.0126 0.0128 0.0228 0.0102 0.0102 0.0119 0.0128
D55 0.0096 0.0134 0.0136 0.0102 0.0230 0.0101 0.0116 0.0112
D65 0.0095 0.0113 0.0149 0.0102 0.0101 0.0233 0.0113 0.0117
领导1 0.0140 0.0123 0.0121 0.0119 0.0116 0.0113 0.0221 0.0107
领导2 0.0123 0.0129 0.0125 0.0128 0.0112 0.0117 0.0107 0.0221
ColorChecker SG 一个 0.0348 0.0188 0.0191 0.0175 0.0171 0.0165 0.0250 0.0178
B 0.0188 0.0369 0.0194 0.0213 0.0241 0.0228 0.0197 0.0211
C 0.0191 0.0194 0.0380 0.0228 0.0250 0.0267 0.0195 0.0206
D50 0.0175 0.0213 0.0228 0.0370 0.0160 0.0159 0.0181 0.0208
D55 0.0171 0.0241 0.0250 0.0160 0.0374 0.0158 0.0177 0.0195
D65 0.0165 0.0228 0.0267 0.0159 0.0158 0.0380 0.0172 0.0182
领导1 0.0250 0.0197 0.0195 0.0181 0.0177 0.0172 0.0355 0.0176
领导2 0.0178 0.0211 0.0206 0.0208 0.0195 0.0182 0.0176 0.0356
Vrhel数据集 一个 0.0398 0.0201 0.0207 0.0186 0.0179 0.0170 0.0293 0.0195
B 0.0201 0.0425 0.0215 0.0251 0.0264 0.0237 0.0251 0.0277
C 0.0207 0.0215 0.0439 0.0266 0.0287 0.0273 0.0244 0.0265
D50 0.0186 0.0251 0.0266 0.0427 0.0175 0.0173 0.0235 0.0277
D55 0.0179 0.0264 0.0287 0.0175 0.0432 0.0173 0.0226 0.0256
D65 0.0170 0.0237 0.0273 0.0173 0.0173 0.0440 0.0217 0.0234
领导1 0.0293 0.0251 0.0244 0.0235 0.0226 0.0217 0.0404 0.0196
领导2 0.0195 0.0277 0.0265 0.0277 0.0256 0.0234 0.0196 0.0405
表1
意味着RMSE孟塞尔的芯片,ColorChecker SG, Vrhel数据集下两个光源组合。
一个 B C D50 D55 D65 领导1 领导2
山姆 一个 0.0000 0.4276 0.6339 0.4552 0.5280 0.6406 0.3053 0.3185
B 0.4276 0.0000 0.2141 0.0620 0.1137 0.2249 0.3891 0.3558
C 0.6339 0.2141 0.0000 0.2087 0.1417 0.0831 0.5748 0.5392
D50 0.4552 0.0620 0.2087 0.0000 0.0774 0.1986 0.3990 0.3659
D55 0.5280 0.1137 0.1417 0.0774 0.0000 0.1215 0.4653 0.4313
D65 0.6406 0.2249 0.0831 0.1986 0.1215 0.0000 0.5751 0.5410
领导1 0.3053 0.3891 0.5748 0.3990 0.4653 0.5751 0.0000 0.0619
领导2 0.3185 0.3558 0.5392 0.3659 0.4313 0.5410 0.0619 0.0000
表2
光谱角制图者(SAM)统计两个参考光源。
4.2。当地的样本加权方法的最优参数

选中的地方训练样本的数量和当地加权样本也可以影响光谱反射率复苏的准确性。分析这些问题,孟塞尔的光谱反射率芯片,ColorChecker SG, Vrhel数据集是恢复使用多色空间欧氏距离 和加权矩阵 在参考光源D65和不同数量的当地的孟塞尔芯片作为训练样本。均值RMSE实际和恢复之间的光谱在不同数量的当地的孟塞尔芯片计算。动态,指出,在选择合适的当地的样品,我们一直采用的策略,如果测试样本本身是包含在孟塞尔芯片,那么这个反射从训练样本中移除。之间的关系意味着RMSE孟塞尔的芯片,ColorChecker SG, Vrhel数据集和当地的训练样本的数量显示在图1。发现均值RMSE最初随的增加当地的训练样本的数量和趋势基本稳定。为了达到更好的光谱反射率精度,可以选择足够的训练样本。所以,我们选择自适应100名当地的训练样本光谱的孟塞尔芯片恢复过程。


图1
当地的训练样本的数量之间的关系和平均的RMSE孟塞尔芯片,ColorChecker SG, Vrhel数据集。
4.3。评价该方法的准确性

的比色和光谱性能评估方法,该方法是实现与伪逆法(π)方法和名Maali Amiri的方法(方法WRPCA) [8]。WRPCAπ之间的数据比较结果,总结了该方法表3。首先,它很容易发现,该方法明显优于PI和WRPCA三个测试数据集。第二,结果在表3建议所有的孟塞尔芯片实现方法比ColorChecker SG和Vrhel数据集。这一发现表明,训练样本具有更好的性能恢复本身比其他测试样品。其次,表3表明该方法提出了光谱反射率与其他方法相比精度最高的。
方法 测试样品
孟塞尔芯片 ColorChecker SG Vrhel数据集
π WRPCA 提出了 π WRPCA 提出了 π WRPCA 提出了
意味着RMSE 0.0095 0.0112 0.0034 0.0165 0.0296 0.0120 0.0170 0.0365 0.0152
马克斯RMSE 0.0714 0.0637 0.0370 0.0536 0.1361 0.0373 0.1278 0.1690 0.1454
分钟GFC 0.9239 0.9088 0.9850 0.9708 0.7997 0.9803 0.9246 0.6299 0.9061
意味着GFC 0.9989 0.9983 0.9998 0.9980 0.9731 0.9988 0.9955 0.9831 0.9959
马克斯GFC 1.0000 1.0000 1.0000 0.9999 0.9998 1.0000 0.9999 0.9999 1.0000
CIELAB色差测试光源下F2
意味着∆Eab 0.2520 0.3719 0.0892 0.4135 1.2824 0.2648 0.5012 1.4597 0.3547
Var。一个 0.0723 0.2046 0.0054 0.1962 1.2150 0.0403 0.2096 1.4668 0.0817
马克斯∆Eab 2.8043 4.9694 0.6701 2.7253 5.8017 1.2775 3.0989 5.3056 1.8061
%∆Eab> 3b 0.0000 0.6304 0.0000 0.0000 9.2857 0.0000 0.5650 13.2768 0.0000
CIELAB色差测试光源下季
意味着∆Eab 0.8966 1.2880 0.3095 1.3238 2.7523 0.7869 1.4677 2.7012 1.2836
Var。 0.9990 3.2857 0.0836 3.1423 4.9938 0.5667 1.9217 5.3176 1.4947
马克斯∆Eab 11.5112 28.5594 2.4955 12.7500 9.7594 3.7572 15.8069 13.1744 6.7993
%∆Eab> 3 3.9401 8.7470 0.0000 14.2857 42.1429 1.4286 10.4520 33.6158 9.0395
一个“Var。”意味着CIELAB颜色差异的方差。b“%∆E ab> 3”是指测试样品有色差的百分比大于3 CIELAB单位。
表3
统计数据的比较结果中π,WRPCA,该方法。

进一步准确地评价该方法的性能,恢复之间的平均谱残差和测量光谱的三个数据集数据所示2- - - - - -4。在每个图,π,WRPCA,拟议的方法对比了三种不同的数据集:孟塞尔芯片(图2),ColorChecker SG(图3(图),Vrhel数据集4)。通过数据的分析2- - - - - -4,很容易注意到的平均谱残差更精确的波长比两端。这种现象与吴等人的结论是一致的,主要原因是人类视觉系统获得XYZ三色值的三种方法计算的CIE 1964标准观察者(15]。


图2
恢复之间的平均谱残差和测量光谱的孟塞尔芯片。

图3
恢复之间的平均谱残差和测量光谱ColorChecker SG。

图4
恢复之间的平均谱残差和测量光谱Vrhel数据集。

为了说明该方法的性能,恢复结果的两个随机选择样本的光谱反射率孟塞尔芯片数据所示5(一个)和5 (b),ColorChecker SG数据所示5 (c)和5 (d),Vrhel数据集数据所示5 (e)和5 (f)。π和WRPCA方法相比,该方法的性能更准确地见图5。

(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
(e)”name=
(e)
(f)”name=
(f)
图5
测量光谱反射率曲线的两个随机选择的样本(a)和(b)的孟塞尔芯片,(c)和(d) ColorChecker SG, (e)和(f) Vrhel数据集通过π,WRPCA,该方法。

5。结论

光谱反射率的方法从三色值恢复multi-illuminants下提出的调整与测试样本的特征来获取变换矩阵的伪逆。获得最优变换矩阵,该方法对光谱反射恢复主要包括两个最优参数:参考光源的最佳参数和最优参数的本地样本加权方法。选择两个光源D65和参考光源是基于光谱角的结果映射器(SAM)统计两个参考光源。选中的地方训练样本的数量和当地加权样本也可以确定光谱反射率的复苏。

测试样品的反射率的孟塞尔芯片,ColorChecker SG, Vrhel数据集被用来评估不同的光谱反射率精度方法在本研究中。孟塞尔芯片被选为训练样本。同时,三种不同的表现方法,即π,WRPCA,和该方法评估了均方根(RMSE),拟合优度系数(GFC),光源下F2和F11 CIE LAB颜色差异。光谱和colorimetrical恢复精度的方法进行了比较与πWRPCA,结果表明该方法是一种有效的光谱反射恢复方法。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究在山东省自然科学基金的支持下,中国(ZR2017LF027 ZR2017PC020);山东省重点研究和发展项目(2018 ggx106009 2019 ggx105016);山东省高等教育科学和工程技术项目(J17KA178 J18KA332);以洋地黄治疗实验室开放基金全国地方联合工程电气设计技术(NELDED2017K003);中国国家自然科学基金(国家自然科学基金委)(11704162);徐州城市的基础(KC18002);和辅助化学重点实验室的技术为化工、教育部(KFKT2019-03)。

引用

  1. e·m·瓦莱罗能源y, j . Hernandez-Andres et al .,“比较谱估计算法的性能分析和计算优化的多光谱成像系统打印检验,”色彩研究与应用,39卷,不。1,16-27,2014页。视图:出版商的网站|谷歌学术搜索
  2. g .吴”,皮肤颜色的统计特征光谱及其应用皮肤诊断,”基础和临床药理学和毒理学卷,124年,第70 - 69页,2019年。视图:谷歌学术搜索
  3. j . Mohtasham a s Nateri, h·哈利利的“纺织颜色匹配使用线性和指数加权主成分分析,“着色技术,卷128,不。3、199 - 203年,2012页。视图:出版商的网站|谷歌学术搜索
  4. g .吴”Charamer mismatch-based光谱色域映射,”激光物理快报,16卷,不。9篇文章ID 095206 2019。视图:出版商的网站|谷歌学术搜索
  5. 诉Babaei、s . h . Amirshahi和f . Agahian”使用加权伪逆法重建反射光谱分析数据集的常态,“色彩研究与应用,36卷,不。4、295 - 305年,2011页。视图:出版商的网站|谷歌学术搜索
  6. 沈g .吴x, z . Liu”Wavelength-sensitive-function-based光谱重建使用分段主成分分析,“视Applicata,46卷,不。3、365 - 374年,2016页。视图:谷歌学术搜索
  7. 赵和R s Berns“基于图像的光谱反射率重建使用矩阵R方法,”色彩研究与应用,32卷,不。5,343 - 351年,2007页。视图:出版商的网站|谷歌学术搜索
  8. m . m . Amiri和s . h . Amirshahi加权回归和线性模型的混合提取CIE的反射光谱XYZ三色值”,光检查,21卷,不。6,816 - 825年,2014页。视图:出版商的网站|谷歌学术搜索
  9. d·杜邦“反射率曲线重建的研究基于三色值:比较的方法优化,“色彩研究与应用,27卷,不。2、88 - 99年,2002页。视图:出版商的网站|谷歌学术搜索
  10. g .吴“反射光谱恢复从一个RGB图像自适应压缩传感、”激光物理快报,16卷,不。2019年8篇文章ID 085208。视图:出版商的网站|谷歌学术搜索
  11. r . Schettini和美国Zuffi”,利用遗传算法来计算策略恢复颜色表面反射功能,“神经计算和应用,16卷,不。1,第79 - 69页,2007。视图:出版商的网站|谷歌学术搜索
  12. f . m . Abed s . h . Amirshahi和m . r . m . Abed”重建反射数据使用一个插值技术,”美国光学学会杂志》上,26卷,不。3、613 - 624年,2009页。视图:出版商的网站|谷歌学术搜索
  13. t . Harifi s h . Amirshahi, f . Agahian”复苏的反射率光谱从比色数据运用主成分分析嵌入式回归技术,”光检查,15卷,不。6,302 - 308年,2008页。视图:出版商的网站|谷歌学术搜索
  14. 李x张,王,j . x, y,和h .徐”,估计光谱反射率根据CIE从相机的响应XYZ三色值下multi-illuminants。”色彩研究与应用,42卷,不。1,第77 - 68页,2016。视图:出版商的网站|谷歌学术搜索
  15. 沈g .吴x, z, s .杨朱和m .,“反射光谱复苏的三色值提取颜色特征匹配,”光学和量子电子学,48卷,不。1,64页,2016。视图:出版商的网站|谷歌学术搜索
  16. j .梁和x Wan优化方法从相机响应光谱反射率重建,”光学表达,25卷,不。23日,第28287 - 28273页,2017年。视图:出版商的网站|谷歌学术搜索
  17. j .梁k .小m . r .指针,x湾和c·李,“从原始光谱估计相机响应基于自适应local-weighted线性回归,”光学表达,27卷,不。4、5165 - 5180年,2019页。视图:出版商的网站|谷歌学术搜索
  18. 光谱数据库东芬兰大学Kuopio、芬兰、http://www2.uef.fi/fi/spectral/8。
  19. m . j . Vrhel r .革顺,l·s·伊万”反射光谱测量和分析的对象,“色彩研究与应用,19卷,不。1,4 - 9日,1994页。视图:出版商的网站|谷歌学术搜索
  20. e . g . Wu z Liu方,h . Yu”重建光谱颜色信息使用加权主成分分析,“Optik-International光和电子光学》杂志上,卷126,不。11 - 12,1249 - 1253年,2015页。视图:出版商的网站|谷歌学术搜索
  21. g .吴、刘z和j .张“光谱从CIE颜色复现三色值使用一个节点地址数组选择技术,”国际期刊的信号处理、图像处理和模式识别,8卷,不。9日,第150 - 141页,2015年。视图:出版商的网站|谷歌学术搜索
  22. 光谱功率分布(SPD)曲线,国家美术馆,伦敦,英国,http://research.ng-london.org.uk/scientific/spd/。
  23. f·a·克鲁斯a . b . Lefkoff j . w . Boardman et al .,“光谱图像处理系统(sip) - interactive成像光谱仪数据的可视化和分析,“环境遥感,44卷,不。2 - 3、145 - 163年,1993页。视图:出版商的网站|谷歌学术搜索
  24. a . Pelagotti a . Mastio a罗莎,a . Piva“多光谱成像的油画,”IEEE信号处理杂志,25卷,不。4,27-36,2008页。视图:出版商的网站|谷歌学术搜索

版权©2019吴广元等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。

相关文章

对本文没有相关内容可用。

更多相关文章

对本文没有相关内容可用。

更多相关文章

对本文没有相关内容可用。
PDF 下载引用 引用
下载其他格式更多的
ePub
XML
订单打印副本订单
的观点1220年
下载640年
引用

相关文章

对本文没有相关内容可用。

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。