针对传统Kubelka-Munk（K-M）理论的光谱预测模型在进行胶印专色油墨光谱预测时精度不够理想的问题，提出一种基于分段线性插值法构建基墨数据库，结合Stearns-Noechel（S-N）传递函数修正K-M模型的胶印专色油墨混合颜色光谱预测方法。研究以盛威科品牌某一系列专色油墨混合得到的64个专色作为目标色样进行训练，分别进行两色、三色、四色混合光谱预测研究，得到了3种数量基墨混合时最佳纸基权重分别为-0.5、-0.1、0.2。将最佳纸基权重代入预测模型，以CIE1976色差、CIEDE2000色差和均方根误差为评价指标，随机选取了两色、三色、四色已知配方的专色各3个进行精度检测实验。结果表明，提出的方法与传统K-M方法相比，CIE1976色差、CIEDE2000色差和均方根误差平均值分别从5.748、3.471和0.048降低到2.077、1.441和0.011。该方法相比传统K-M方法预测精度大幅提高，能够较好地实现更高精度的胶印油墨混合颜色的光谱预测。

针对多光谱激光雷达系统在实景三维立体图像的真实颜色的再现问题,提出了一种基于稀疏信号表示的多光谱颜色数据降维方法,该方法利用字典学习和稀疏编码交替更新,以迭代的方式对光谱误差进行修正。实验结果表明,所提出的方法均方根误差的平均值较主成分分析法降低了35.29%,光谱拟合系数的平均值达到了99.8% 以上,色度精度也较主成分分析法平均提高了70.23%,在不同光源观测条件下仍能保持颜色的稳定性,其重构精度优于主成分分析法。该方法利用稀疏表示可以通过低维观测向量复原高维稀疏信号的特性,从数量相对较少的训练样本中对大量测试样本进行精确复原,提高了数据处理中的成本效率,对真实反映遥感多光谱影像的地物信息有较大的帮助。

针对主观颜色分析受照明光源、观察者等因素影响的问题,本文采用可见光谱识别不同朝代典型壁画的颜料信息,然后根据色度学理论,客观地分析了古代壁画的颜色特征和历史流变。本文搭建了非接触式获取系统,并采用该系统对莫高窟不同朝代典型洞窟壁画的可见光谱数据进行了无损采集。此外,本文模拟古代工艺制备颜料样本,测量其可见光谱和粒径尺度数据,建立颜料标准数据库。分析颜料的可见光谱与其物质成分、粒径及颜色特性之间的关联,并据此构建基于可见光谱的壁画颜料的识别方法,识别莫高窟典型洞窟壁画的颜料信息。本文通过将识别的颜料信息与颜料标准数据库数据进行对比,客观地分析了莫高窟壁画的颜色特征和历史流变。

计算机配色逐渐成为主流配色方式,用于保证包装印刷等产品在颜色复制过程中的一致性。光谱基础数据库是计算机配色的基本条件,其建立方法过于复杂,影响了计算机配色技术的推广和应用。根据Kubelka-Munk理论分析,建立光谱基础数据库的过程中样条质量浓度(简称浓度)、油墨浓度梯度和油墨梯度数量对配色结果有较大影响。为了优化光谱基础数据库、获得更加准确的配色结果,基于单因素实验法、正交实验法及相关评价方法,提出了一种在配色建库过程中最佳的浓度梯度、梯度数量及样条油墨的浓度范围的组合。实验通过建立的数据库对潘通色进行配色,对色差进行计算,并结合极差进行分析。实验结果显示优化的光谱基础配色数据库很大程度上减少了建库工作量,同时通过计算获得的目标配色结果的精度高,符合生产要求,说明该方法能有效选取最佳参数组合。

在检测果蔬农药残留的近红外光谱采集过程中, 往往会受噪声干扰获得低信噪比近红外光谱, 且近红外光谱中表征农药和果蔬化学组分的谱峰微弱且重叠度高, 因而此近红外光谱降噪普遍存在易平滑微弱的农药组分谱峰、 或增加非测量物化学组分谱峰的危险, 导致在后续以仅挖掘红外光谱谱峰特征为前提的分类和化学组分分析中, 恶化近红外光谱的分类精度、 影响农药残留成分的正确分析。 针对抑制近红外光谱噪声与保持近红外光谱谱峰的矛盾, 提出一种改进Hodrick-Prescott分解模型的自适应降噪方法。 在该方法的Hodrick-Prescott分解模型中, 以染噪光谱与复原光谱之间残差的L2范数为残差项, 描述高斯噪声结构, 以复原光谱信号二阶差分的L2范数为正则化项, 惩罚复原光谱、 迫使从染噪光谱中复原的光谱倾向于梯度减少的方向, 以平滑噪声、 保持原始谱峰信息。 该方法同时结合L-曲线方法, 自适应地获取染噪光谱在Hodrick-Prescott优化方程中的正则化参数, 并通过求解该曲线最大曲率点对应的参数获得最优正则化参数, 确保能平衡Hodrick-Prescott分解模型中正则化项和残差项, 以得到较为理想的光谱复原结果。 实验以农药残留和未残留的上海青近红外光谱为基本数据、 通过降噪前后信噪比、 以及支持向量机分类模型的识别率, 对比分析bior6.8小波分解方法、 sym8小波分解方法、 互补集合模态分解方法的降噪效果。 实验结果显示, 该方法在处理18.79 dB信噪比染噪近红外光谱时获得了33.35 dB信噪比; 在实施上海青农药残留检测中, 处理训练集与测试集近红外光谱数据后, 训练所得支持向量机分类模型的训练集识别率达93.58%、 测试集识别率达71.18%, 此识别率明显高于上述三种方法降噪后的结果, 接近于原始未染噪声光谱数据。 该方法在近红外光谱降噪方面具有明显的优势, 能应用于农药残留近红外光谱检测的前期处理。

在光谱色彩管理色域映射中,针对查找表建立过程中高维光谱数据计算的一系列问题,提出了一种非线性的高维光谱降维方法。对同色异谱黑进行偏最小二乘分析,提取潜在成分,获得了KMN向量,将其与Lab向量组合成6维向量,并作为中间转换空间LabKMN,实现高维光谱数据与低维基向量组合之间的相互转换。LabPQR空间的前3个维度是在特定光照条件下的CIELAB值,后3个维度(PQR)用于描述同色异谱黑的光谱重建维度。对两种方法在光谱精度和色度精度两方面进行比较,基于1600个孟塞尔样本数据的实验计算表明,与LabPQR方法相比,LabKMN的方均根误差均值由0.0164降低到0.0139,光谱精度提高了15.24%,色度重建误差由2.8706降低到1.8138,平均色差降低了36.81%。LabKMN方法降维后的重建精度大幅提高,能够较好地实现更高精度的原始色彩光谱空间的描述。

提出了一种用于光源类型检测的同色异谱对的构建方法,实现了对光源类型的快速有效判定。在目标光源下,利用R矩阵理论从Standard Object Colour Spectra Database中分解出同色异谱黑光谱集;将同色异谱黑与任意目标样本光谱相加,获得目标样本的同色异谱样本集;去除样本集中光谱存在负值的样本;以一般同色异谱指数作为评价指标,选择目标样本同色异谱指数最大的样本,完成同色异谱对的构建。选取4种常见光源,以ColorChecker色卡为目标样本,利用上述方法构建同色异谱对。通过计算同色异谱对在不同光源下的色差值,对其在光源类型判定方面的有效性进行验证。实验结果表明:该方法构建的同色异谱对在非目标光源下具有人眼可辨别的显著色差水平,能够有效地对目标光源的类型进行判定。

因光学特性(吸收系数与散射吸收)与组分比例不呈严格的线性关系, 基于K-M理论的配色模型无法保证比例预测精度, 针对上述问题, 建立了油墨组分比例预测模型与方法。首先利用与组分比例具有强线性相关性的特征波长处的光谱反射率倒数值替换K-M配色理论中的吸收系数与散射系数, 引入非线性项, 构建油墨混合呈色模型；然后在此基础上建立油墨组分比例预测模型。以两组二元基色油墨混合样本为例, 对提出的油墨组分比例预测模型及方法进行验证。实验结果表明, 文中方法可预测获得与真实结果较为接近的组分比例, 两组实验样本的预测平均偏差分别为1.57%和3.6%, 可为目标样油墨组分比例预测提供一种新的方法。

针对取样分析技术破坏壁画文物完整性问题, 提出非接触式可见光谱法原位无损识别壁画文物矿物质颜料物质成分和粒径的方法。 构建非接触式获取平台原位无损采集壁画文物表面可见光谱; 通过调研和实测数据分析, 制备了壁画矿物质颜料可见光谱数据库。 分析数据库中的光谱数据发现: 同种化学成分的颜料具有相同的吸收特性, 表现为光谱曲线峰值位置和几何轮廓的相似性; 在不同粒径下又呈现出不同的散射特性, 表现为光谱曲线幅度的差异性。 为此, 构建了壁画文物矿物质颜料物质成分和粒径的可见光谱法无损识别流程和识别方法, 即提取光谱曲线几何轮廓特征构建表征空间实现了颜料物质成分的识别; 在此基础上, 提出了矿物质颜料需进行物理特征识别的理念, 并建立了光谱曲线幅度积分值与颜料平均粒径间的拟合关系, 实现颜料粒径识别。 以敦煌莫高窟壁画为例验证了该方法的可行性。