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。

研究多色打印机的光谱特征化, 提出了一种基于降维的光谱特征化模型, 保证了多色打印机颜色转换的精度, 同时也提高了特征化的运行效率。 该模型结合颜色分区理论和LabPQR非线性降维方法, 首先将高维光谱数据降低至LabPQR六维空间中, 然后通过胞元搜索算法查找目标颜色所属的胞元空间, 最后利用反向四面体插值算法对目标的LabPQR值进行计算, 得到打印机最终的通道信号输出值。 检测颜色样本的实验数据表明, 正向模型和反向模型的平均色差达到0.714和1.016 NBS, 模型的运行时间为2.03和9.05 s。 新算法能够实现多色打印机光谱数据与通道信号值间的准确转换。

针对目前多光谱图像去马赛克算法存在计算量大、效率低的缺点, 本文提出一种基于压缩感知的多光谱图像去马赛克算法。首先, 分析去马赛克与压缩感知问题的等价性, 建立基于压缩感知的去马赛克模型;然后, 采用离散余弦变换构建压缩感知的稀疏基, 将去马赛克问题转化为压缩感知的信号重构问题; 最后, 采用改进的光滑0范数和修正牛顿法的重构算法求解去马赛克问题, 得到重构的多光谱图像。仿真实验表明, 相对于基于克罗内克压缩感知和组稀疏两种算法, 本文算法提高了重构的多光谱图像的峰值信噪比, 能有效减少对比算法重构多光谱图像中出现的锯齿现象, 改善了重构图像具有更好的视觉效果。实验结果验证了本文算法的有效性。

研究多色打印机的反向光谱特征化，提出了一种空间细分插值的分色算法，提高了打印机颜色转换模型的精度。该算法结合颜色分区理论和胞元划分的方法，首先搜索目标颜色所属胞元空间，然后利用光谱纽介堡方程对胞元进行空间细分插值，并将满足阈值要求的插值点的通道信号值作为最终输出值。检测颜色样本的实验数据表明算法的分色精度高，平均色差达到1.013 NBS。新算法能够实现多色打印机从光谱数据到通道信号值的准确转换。

对印刷清晰度视觉感知质量的检测算法及其评价模型进行了研究。通过对印刷清晰度影响因素的分析，设计了一个含倾斜刃边的印刷清晰度测试靶标，提出了一种优化的基于截断频带的印刷清晰度质量指标检测算法；对26个具有不同清晰度效果的数字印刷品开展了清晰度的客观测量和主观评价，基于主客观数据耦合构建了一种新的印刷清晰度感知质量评价模型。另抽取20个数字印刷品进行验证，对印刷清晰度感知质量的预测得分与主观评价得分的相关性进行了分析，结果显示两者间具有很好的一致性,相关系数达到0.9916,说明印刷清晰度感知质量的定量测评方法可行、有效，可解决印刷业长期以来只能依靠人眼进行主观目测评价印刷清晰度的问题。