具有颜色恒常性的光谱反射率重建

给定物体三刺激值,重建物体反射率在跨媒体颜色复制领域有着重要应用.常见的重建反射率算法包括基向量法、维纳估计法、加权伪逆方法等,这些方法大多都是为了建立由低维度三刺激值或者RGB向高维度光谱反射率的映射关系,以重建的反射率与原始反射率的接近程度为评价指标,并且需要光谱反射率数据进行训练.但是很多工业领域在产品设计时都需...     

基于遗传算法选择多光源下的光谱反射率重构研究

为解决基于RGB三通道信息值重构光谱反射率精度不理想的问题,提出了一种优化的基于RGB三通道信息的光谱反射率重构算法。首先编码产生随机选择多个光源的个体,RGB三通道值通过多项式回归算法预测多个光源下的三刺激值,并采用伪逆法进行多光源下的光谱反射率重构,然后将样本的重构精度作为个体的适应度评估值,以优胜劣汰,适者生存为原则对个体进行选择、交叉、变异操作,最后得到适用于颜色样本光谱重构的多个光源与基于这些光源重构得到的光谱反射率。实验选用Munsell颜色集作为训练样本集,RC24色卡、SG140色卡作为检测样本集,8个标准光源和82个发光二极管光源作为实验光源,采用该算法从90个光源中选取最优的光源组合并重构得到样本的光谱数据,并与Zhang提出的基于穷举法选择的多光源下的光谱重构方法和A光源下的伪逆法进行了重构精度对比。实验结果显示该研究提出的方法随着光源个数的增加,光谱反射率重构精度提高,特别是光源个数增加到3时,光谱重构精度提高的幅度最大。在三种重构方法中,该方法重构RC24的平均色差和平均光谱均方根误差分别为0.332 4和0.002 9,而Zhang的方法与伪逆法的平均色差分别为0.429 3和3.266,平均光谱均方根误差分别为0.029 7和0.004 8;该文方法重构SG140的平均色差和平均光谱均方根误差分别为0.486 2和0.007 3,而Zhang的方法与伪逆法的平均色差分别为0.544 8和3.821 9,平均光谱均方根误差分别为0.035 6和0.013 3。结果表明基于多光源下的光谱反射率重构精度明显优于基于单个光源下的重构精度,而基于遗传算法的多光源选择方法又优于穷举法,它能够根据颜色样本自动寻找到最优光源组合,从而基于最优多光源下的三刺激值重构样本的光谱反射率,提高了光谱反射率重构的精度。     

基于迭代Tikhonov正规化的三刺激值重建光谱方法研究

光谱图像中的反射率光谱数据维数高,且与光源、设备均无关,能够比较全面、真实、客观地描述图像中物体的颜色信息。针对三色相机的光谱图像获取系统中三维色度数据重建多维光谱数据产生的光谱信息丢失、以及伴随而生的颜色信息丢失问题,提出了迭代Tikhonov正规化的光谱重建方法。首先依据色度学理论中色度值与反射率光谱之间的关系,构建反射率光谱重建方程建立起相机所获三维色度数据与高维反射率光谱数据的映射关系;然后,通过反射率光谱重建方程的病态分析,在Moore-Penrose伪逆矩阵求解思想的基础上构建迭代Tikhonov正规化方法求解反射率光谱,并利用训练样本数据通过L-曲线方法训练获取迭代Tikhonov正规化的最优正规化参数,以有效控制并改善反射率光谱重建方程求解的病态、减少重建光谱的光谱信息丢失。实验通过选取样本数据对光谱重建方法进行验证。验证实验的结果表明所提出的光谱重建方法改善了三色相机的光谱图像获取系统中重建光谱的光谱信息丢失程度,使得重建光谱的光谱误差和色度误差较其他光谱重建方法均有明显降低。     

基于光谱连接空间的彩色相机光谱重构研究

针对彩色相机三通道响应值重构光谱反射率精度低的问题,提出了基于光谱连接空间的彩色相机光谱反射率重构方法。首先通过光谱反射率已知的训练样本集和多项式拟合方法建立相机响应值到光谱连接空间的转换矩阵,然后利用该矩阵将待重构样本的相机响应值映射到光谱连接空间,最后选用合适的光谱重构算法在光谱连接空间内实现光谱反射率重构,并利用色度误差和光谱误差两个指标对重构结果进行评价。在上述过程中,鉴于转换矩阵的重要性,采用了基于反距离加权的最小二乘法计算转换矩阵以提高相机响应值到光谱连接空间的转换精度。实验结果表明:本文方法切实可行且精度可靠,与基于彩色相机三通道响应值的光谱重构方法相比,色度重构精度和光谱重构精度均显著提高,平均色差和谱差分别为1.145 2和0.010 3,可在较大程度上满足数字典藏、高保真颜色复制等的需要。     

局部k最近邻加权线性回归的光谱反射率重建

现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。     

一种八谱段滤光片成像系统设计

针对多光谱滤光片阵列成像采样率低,原始(Raw)数据稀疏所导致的重建图像模糊,高频信息丢失等问题,提出了一种新八谱段滤光片阵列分布方案,利用基于邻域梯度延伸方法对光谱Raw图像进行重建.首先基于二叉树生成法,在重复排列的4×4阵列中设计了一种等空间概率比的八谱段滤光片分布方案;然后针对传感器直接获取的稀疏Raw图像,计算各谱段采样点的梯度信息,在保持图像结构特征和纹理信息的基础上,利用邻域采样点的像素值和梯度值对未采样点进行重建,从而获得完整的光谱图像信息;最后,基于已重建的八谱段光谱图像,采用伪逆矩阵法重构各像素位置的31波段光谱值.结果表明,相对于主流图像重建方法,本文算法提高了重建八谱段光谱图像的峰值信噪比、复合峰值信噪比,降低了光谱均方差,更好地保留了图像的纹理和边缘,有效降低了多光谱滤光片阵列成像中的颜色伪影和图像模糊等现象.     

基于改进加权欧氏距离的光谱反射率重建样本选择方法研究

获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证,这对纺织服装、出版印刷、网络电商、远程医疗等对颜色有较高要求的行业有重要作用。光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系,从而避免使用分光光度计等专业设备所带来的成本高、操作复杂、分辨率低等问题。训练样本的选择是影响光谱反射率重建算法效果的重要因素。从物理角度看,光谱反射率是一条关于波长的光滑曲线,光谱反射率向量最大的相关性特征就是其光滑性,因此,训练样本的选择应同时考虑空间距离和形状的相似性。针对局部学习方法中局部样本选择问题,提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法,以提高光谱反射率重建的精度。该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量,根据样本容量动态地选出相似度较高的样本。实验以孟赛尔半光泽数据集(munsell matte)为样本集,基于伪逆法进行光谱反射率重建,以光谱均方根误差和色差为评价指标,与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行...     

基于矩阵R理论的光谱降维方法研究

针对传统光谱降维方法的缺点,提出一种基于矩阵珟R理论的线性光谱降维方法。该方法在Cohen定义的矩阵R理论基础上提出修正矩阵珟R,可将物体光谱反射率分解为基本光谱和同色异谱黑光谱,再分别对两者进行线性降维。基本光谱的三个基向量由颜色匹配函数与光源的乘积再进行正交化得到,其三个基向量的累积贡献率可达100%。同色异谱黑光谱的基向量由主成分分析推导,取前三个特征向量作为同色异谱黑光谱的基向量。实验结果表明,使用该方法构建的六维线性模型能在光谱和色度两个方面较好地表征原始高维光谱反射率,满足光谱颜色复制的要求。     

基于相机rawRGB通过加权多项式和维纳估计方法重建光谱反射率

基于相机RGB预测物体光谱反射率的研究一直备受研究者们的关注。传统方法都是通过单一光源下的信息进行光谱反射率恢复。最近,Zhang等在Color Research & Application报道了一种基于单光源相机RGB信息预测物体光谱反射率的两步方法。首先基于单个光源下的相机响应RGB值,挑选出一定量的训练数据,采用多项式模型和伪逆的方法预测出不同光源下的CIE XYZ值;然后根据预测的多光源下的CIE XYZ值及整体训练数据预估光谱反射率,再通过预估的光谱反射率挑选一定量训练样本,通过伪逆方法预测出物体光谱反射率。尽管仍然基于一个光源下的相机响应RGB,但通过映射到多光源下的色度值XYZ,提高输入信息的维度来优化光谱反射率的重建精度。受Zhang等工作的启发,提出新的基于单一光源下相机的raw RGB响应信息,通过三阶多项式模型扩展的加权最小二乘方法对多光源下的CIE XYZ值进行预测,然后根据预测出的多光源下的CIE XYZ值再通过维纳估计的方法进行光谱反射率重建,通过这样的两步方法实现从相机响应RGB到光谱反射率的重构。该新方法,采用全体训练数据,应用十分方便,避免了Zhang等的方法需要挑选一定量的局部训练样本的问题。同时Zhang等的方法挑选出的局部训练样本同等重要,而该方法在第1步中,根据训练样本与给定的测试样本的接近程度,赋予训练样本不同的权重,以提高预测精度。通过采用140色色卡作为训练样本,24色色卡和自制的44色印刷品样本进行测试,以判断预测和实测反射率接近程度的均方根误差（RMSE）和人感知色差为评价标准进行比较,结果表明,该方法明显优于Zhang等的方法,而且预测精度随着光源数量的增加而提高,当光源个数达到6时,表现最佳。     

基于人眼视觉特性的光谱降维模型研究

针对传统光谱降维方法其降维重构后的光谱数据仅是对原始光谱的数学逼近,会出现光谱误差较小但颜色色差较大的缺点,创新性的提出三种将人眼视觉特性与光谱降维相结合的方法。其中,VPCA法直接将光谱光视效率函数加权到原始光谱上再进行降维,LMSPCA方法用LMS视稚响应构建加权矩阵对原始光谱加权后再进行降维,在LMSPCA法中加权矩阵的构建有两种方式,其主要区别在于视稚响应偏差的求取方式不同。方式一中,L,M,S视稚响应偏差是各对应波长上的偏差取绝对值,而方式二中,其偏差是各对应波长上的偏差平方。LMSPCAs法在LMSPCA法基础上再采用PCA(主成分分析)方法对损失的光谱进行降维。实验结果表明VPCA法降维效果较差,LMSPCA法的两种加权矩阵降维效果接近,皆可显著提高降维模型的色度精度,但会降低模型的光谱精度,LMSPCAs法由于针对LMSPCA法因光谱加权引起的光谱损失再进行光谱补偿,其在光谱精度、色度精度以及变光照条件下的色差稳定性这三个方面都能较好地表征原始高维光谱反射率,满足光谱颜色复制的要求。     

基于同色异谱黑理论的非线性复合模型光谱重建研究

同色异谱现象是光谱反射率重建与颜色再现中的一个重要问题。采用三基色CCD相机采集CIE标准光源D65下的颜色样品信号,建立非线性复合模型,使用主成分分析结合神经网络的方法(PCA-NET)改进基于同色异谱黑理论的R矩阵算法,对标准Munsell色卡光谱重建进行研究。在保证给定照明条件下的色度精度同时,对光谱重建的结果进行了实验评价和讨论。实验结果表明,在给定的照明条件下,PCA-NET算法能够准确的拟合相机输出信号与主成分系数之间的非线性关系, 将其代替线性算法应用于R矩阵算法中时,测试集的平均均方根值是未改进R矩阵算法的0.76,平均标准差是R矩阵算法的0.85,可有效提高光谱反射率的重建精度。改进后的R矩阵算法具有精度较高、操作简单易实现的特点, 可用于对重建色度精度及光谱精度均要求较高的领域。     

彩色扫描仪的光谱反射率估计方法

为从扫描仪获取精确的、设备无关的颜色描述,必须对扫描仪进行颜色表征(Characterization)。考虑到实际扫描仪的成像过程往往偏离线性反射模型,并且训练样本在颜色空间中的不同分布对颜色估计的精度有较大影响,提出了一种基于有限样本加权训练的彩色扫描仪光谱表征方法,从而可以从低维的RGB颜色值计算得到精确的光谱反射率。 实验结果表明,该方法在色度及反射率精度方面均明显优于先前的方法。     

基于高斯混合尺度模型的压缩传感图像重构

在图像处理领域中,压缩传感重构是稀疏表示下的最重要的病态反问题之一。压缩传感图像重构利用图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像。为了克服传统的压缩传感算法中收敛速度慢和未利用变换系数的邻域统计特性的缺点,提出了基于高斯混合尺度模型的压缩传感图像重构算法,证明了独立的高斯混合尺度分布作为压缩传感重构的稀疏先验知识的可行性,结合全变差调整进一步提高算法的性能。实验结果表明,该算法有效地提高了重构图像的主观视觉效果和峰值信噪比,加快了压缩传感图像重构算法的收敛速度。     

双树小波变换与小波树稀疏联合的低场CS-MRI算法

压缩感知理论常用在磁共振快速成像上,仅采样少量的K空间数据即可重建出高质量的磁共振图像.压缩感知磁共振成像技术的原理是将磁共振图像重建问题建模成一个包含数据保真项、稀疏先验项和全变分项的线性组合最小化问题,显著减少磁共振扫描时间.稀疏表示是压缩感知理论的一个关键假设,重建结果很大程度上依赖于稀疏变换.本文将双树复小波变换和小波树稀疏联合作为压缩感知磁共振成像中的稀疏变换,提出了基于双树小波变换和小波树稀疏的压缩感知低场磁共振图像重建算法.实验表明,本文所提算法可以在某些磁共振图像客观评价指标中表现出一定的优势.     

基于宽带多通道的光谱反射率重建方法研究

复制的多光谱数据获取要求图像数据具有设备无关、场景无关特性,能够真实客观表征物体颜色信息。针对获取系统扰动、噪声误差以及光谱重建中训练样本典型代表性与相关性要求,提出了基于正交回归的光谱重建算法,并通过子空间跟踪的训练样本选择算法,选择重建样本与训练样本集中相关性与代表性最好的样本参与光谱重建。实验通过改造后的仙娜宽带多通道成像系统进行验证,数据表明本文提出的方法,所选训练样本能较好的表征样本空间并具有较好的正交性,在宽带多光谱成像方面,重建光谱平均色度误差为3.6,其光谱精度与色度精度较其他方法具有明显提高。     

Image Encryption Scheme with Compressed Sensing Based on a New Six-Dimensional Non-Degenerate Discrete Hyperchaotic System and Plaintext-Related Scrambling

Digital images can be large in size and contain sensitive information that needs protection. Compression using compressed sensing performs well, but the measurement matrix directly affects the signal compression and reconstruction performance. The good cryptographic characteristics of chaotic systems mean that using one to construct the measurement matrix has obvious advantages. However, existing low-dimensional chaotic systems have low complexity and generate sequences with poor randomness. Hence, a new six-dimensional non-degenerate discrete hyperchaotic system with six positive Lyapunov exponents is proposed in this paper. Using this chaotic system to design the measurement matrix can improve the performance of image compression and reconstruction. Because image encryption using compressed sensing cannot resist known- and chosen-plaintext attacks, the chaotic system proposed in this paper is introduced into the compressed sensing encryption framework. A scrambling algorithm and two-way diffusion algorithm for the plaintext are used to encrypt the measured value matrix. The security of the encryption system is further improved by generating the SHA-256 value of the original image to calculate the initial conditions of the chaotic map. A simulation and performance analysis shows that the proposed image compression-encryption scheme has high compression and reconstruction performance and the ability to resist known- and chosen-plaintext attacks.     

分段匹配追踪式Karhunen-Loeve非相干字典语音压缩感知

压缩感知(Compressed Sensing,CS)理论突破了经典采样定理的理论边界,为信号压缩提供了另一种途径。基于CS理论框架,做了两方面工作:为提高语音字典对信号的匹配性,设计了一种基于K-L展开的非相干语音字典;针对现有匹配追踪(MP,OMP)算法的不足,提出分段匹配追踪(Segment MP,SegMP)算法。首先对语音自相关函数进行建模并估计模型参数,构造语音自适应非相干字典,然后采用SegMP对语音稀疏向量分段观测,获得多个低维矢量,最后结合模型参数重建字典并重构信号,实现了语音压缩感知。语音测试结果表明:相比现有方案,本文方案对信号的稀疏表示更为精准,具有更好的重构质量,且降低了计算复杂度。