光谱是颜色信息的指纹, 也是表征物质物化属性的重要特征, 对于颜色的高保真复制和物质的精准识别分析具有重要应用价值。 基于光谱重建的多光谱成像技术利用成像系统拍摄物体表面数字图像, 并通过光谱重建计算得到物体表面的多光谱图像, 能够克服传统RGB图像对成像条件的依赖性, 更加精细化地表征识别物体。 该技术相对于价格昂贵的高光谱相机而言, 能够有效提升多光谱图像的空间分辨率和获取效率, 降低设备成本。 然而, 无论是基于机器学习还是基于深度学习的光谱重建方法, 在光谱重建应用时均对图像的曝光变化敏感, 即光谱重建方法在一种曝光水平下建立的光谱重建模型, 无法直接在另一曝光水平下进行光谱重建应用, 否则将导致重建光谱曲线的形状特征偏离真实光谱, 制约着光谱重建面向光照强度易变和光照不均性场景的应用。 针对现有光谱重建方法对图像曝光水平变化敏感的问题, 论文提出了一种基于根多项扩展的自适应加权光谱重建方法, 首先利用根多项式对样本rawRGB图像数据进行扩展, 并利用伪逆法建立光谱重建模型, 以解决模型对曝光水平变化的敏感性, 然后在光谱不变特征空间构建自适应加权矩阵, 以进一步提升光谱重建精度。 研究以理论实验和具体实验样本为基础, 首先对现有光谱重建方法对曝光变化的敏感性进行分析, 然后将该方法与现有同类型光谱重建方法进行对比, 最后探讨了加权策略对该方法的影响。 实验结果表明, 现有先进光谱重建方法均对曝光水平变化敏感, 而该方法能有效对抗曝光水平变化, 且光谱重建的光谱均方根误差(RMSE)和色差(ΔE*ab)显著低于现有同类方法。 此外, 在光谱不变特征空间构建自适应加权矩阵, 对于该方法提升光谱重建精度至关重要。 研究成果对开放场景下的高精度光谱重建具有重要应用价值。

光谱估计是光谱成像领域的研究热点,提出一种自适应加权线性回归光谱估计方法,首先以线性化的伪逆求解算子为基础,利用齐次多项式对相机数字响应值进行扩展,利用Tikhonov正则化方法进行正则化约束,得到全局训练的光谱估计方法,其次依据训练样本对光谱估计精度的影响机理,在求解光谱估计矩阵时进一步引入高斯加权方法,建立自适应加权训练的光谱估计方法,以提高光谱估计精度。利用28种数码相机的灵敏度函数构建了仿真成像系统,以Munsell Matte颜色样本和X-rite ColorChecker SG色卡为实验样本,以光谱均方根误差和色差为评价指标,对本文方法进行了验证。结果表明,新方法在全局训练模式下能取得与现有全局训练方法同等水平的光谱估计精度,且能够克服现有方法存在的曝光敏感性问题;新方法在自适应加权训练模式下,无论是光谱精度还是色度精度,均优于现有方法。

通过彩色数码相机单幅RGB图像的响应值重建物体表面的光谱反射率,不仅可以有效避免基于带通滤光片光谱成像系统存在的通道间图像像素偏移问题,而且可以缩短图像采集周期和获得高空间分辨率的光谱图像,但是光谱重建误差受光谱重建方法的影响。提出了一种基于相机响应值扩展和局部反距离加权优化的光谱重建方法,以CIEDE2000色差和光谱均方根误差为评价指标,以600个矿物颜料色块为实验样本,利用佳能600D型数码相机对所提方法进行了验证,并与当前几种较先进的方法进行了对比。实验结果表明,所提方法的平均CIEDE2000色差和平均光谱均方根误差分别降低到1.0389和0.0230,所提方法的光谱重建精度优于当前几种较先进方法的光谱重建精度。

矿物颜料是古代壁画显色的物质基础, 其可见光谱反映自身物质和物理属性。 不同颜料对可见光吸收特性的差异导致光谱曲线形状不同, 同一种颜料因粒径等级差异引起光谱曲线幅值的规律性变化。 依据矿物颜料上述特性, 提出一种基于可见光谱的古代壁画颜料无损鉴别方法, 通过光谱归一化方法实现不同粒径等级的同一颜料光谱曲线叠合, 去除颜料粒径等级对光谱曲线幅值变化的影响, 然后提取表征光谱曲线在各波段增减性和凹凸性的一阶与二阶导数特征, 与光谱曲线组合得到颜料物质属性鉴别的光谱组合特征空间, 以光谱角和欧式距离为基础构建评价指标, 计算待鉴别颜料与数据库参考样本在光谱特征空间中的匹配误差(ME), 实现颜料物质属性的鉴别。 通过构建矿物颜料平均粒径大小和光谱反射率均值之间关系函数, 实现颜料平均粒径大小的鉴别。 基于构建的古代壁画常用颜料光谱数据库, 以莫高窟壁画为对象, 通过非接触式原位无损测量方法测量获得壁画颜料的可见光谱数据, 对本文方法进行了验证, 并以石绿和青金石颜料的鉴别结果为例, 对古代壁画颜料使用技法、 不同朝代颜料使用的差异性及原因进行了探讨。 该方法将为更加全面深入研究和保护古代壁画提供有效的理论与方法支撑。

为解决多光谱数据在降维压缩过程中的颜色精度保持问题, 提出一种基于人眼视觉感知特征的多光谱数据高保真降维压缩方法（VPCM）。 研究首先依据人眼视觉响应的非线性解析特征, 成功构建了同时综合人眼光谱特征与色度特征的变换函数, 并通过进一步构造的优化函数对其进行修正, 以针对不同的样本集找到最佳变换方向, 而后利用修正后的视觉特征变换函数对光谱样本集进行空间变换（Γ(S)=C）, 然后利用主成分分析方法对经视觉特征函数变换后样本集光谱数据进行降维压缩处理, 并通过逆变换重构出样本集光谱数据（Γ-1(C)=）, 进行降维评价。 实验选取四类具有典型代表性的数据集作为测试样本, 分别以D50/2°条件下的CIELab色差和75组典型照明光源（钨丝灯、 荧光灯和LED灯）下的平均同色异谱指数（MMI）作为色度主要评价指标, 同时对比了Lab-PQR和2-XYZ两种较为先进的光谱降维算法。 实验结果为VPCM方法的MMI值最小, 其次是LabPQR, 而2-XYZ的表现较差; VPCM方法在75组光源下对四组样本集的平均重构色差ΔEab也为最小, 且最大样本平均色差及方差均要小于其他两种方法; VPCM方法的重构光谱精度介于Lab-PQR和2-XYZ之间, Lab-PQR的重构光谱精度最高。 实验结果显示新方法色度压缩精度整体优于对比的两种方法, 在变换参考条件下具有良好的色差稳定性, 能够较好的应用于多光谱数据色度高保真压缩。

LED智能光源具有色光可调的特点, 其内置微处理系统可以通过无线数据传输等技术调整发光方式, 控制光色及发光强度, 进而实现照明光源的动态调节, 因此特别适合于博物馆展陈、 家居照明等智能化照明设计环节。 现阶段, 鉴于LED光源智能混光技术尚未普及, 目前绝大多数商用LED智能光源在混光控制方面仅局限于设备制造商所设定的几类固定模式, 无法充分发挥智能LED光源色光可调的技术优势。 针对此问题, 提出了一种基于BP神经网络以及有效集算法的LED智能光源混光呈色模型构建方法, 实现了LED智能光源控制信号与对应发光光谱辐亮度分布之间的双向高精度映射。 研究中首先提出了一种基于BP神经网络的LED混光呈色预测方法, 实现了由LED智能光源驱动控制值向光源实际发光光谱辐亮度分布的准确预测; 在此基础上运用有效集算法实现了由光源实际发光光谱辐亮度分布向LED智能光源驱动控制值的反向高精度预测。 实验结果显示, 所提出的方法整体建模误差显著小于人眼视觉可分辨阈值(CIEUCS Duv值可低至0.002 7), 达到了较为理想的建模效果。 该方法的提出, 将为当前LED智能光源制造以及现有商用LED智能光源的二次开发与优化提供有效的理论与方法支撑。

训练样本构成是影响光谱重建精度的一个重要因素, 针对学习型光谱重建算法中训练样本选择问题, 提出了一种基于主成分分析的训练样本选择方法。 为了保证训练样本与重建样本的相似度, 首先根据欧式距离最小原则从待选样本集中选择与重建样本相机响应值相似的样本, 并去掉其中的重复样本； 然后进行主成分分析； 设定阈值筛选各主成分系数较大的样本作为训练样本, 最后得到与主成分个数相同的训练样本子集。 为验证该方法的有效性, 通过在镜头前加载宽带滤色片搭建多通道图像获取系统采集多通道图像信息, 将得到的各样本子集用作训练样本, 利用伪逆法重建光谱信息, 最后将重建的光谱精度与常用的训练样本及训练样本选择方法得到的重建光谱精度进行比较。 实验结果表明： 提出的方法显著提高了光谱重建的色度精度和光谱精度, 优于常用的样本选择方法, 能较大程度满足高精度颜色复制要求。

在跨媒体色彩再现流程中, 受色彩再现场景光源及设备呈色机理等因素的影响, 同一色彩信息在不同数字媒介之间进行传递时, 往往存在色彩传递失真现象, 该问题严重影响了现阶段影像色彩复制与传递的客观准确性。 色度校正旨在克服上述色彩失真问题, 进而提升影像色彩信息传递品质。 现有色度校正方法主要可分为色适应变换类算法以及回归校正算法两大类, 目前由于此两类方法所采用的训练样本普遍色域过小, 故其往往导致在高饱和度色彩区域色度校正误差较大。 为此, 研究提出了一种基于宽色域色彩光谱样本集的新型色度校正方法。 通过各类典型色彩光谱样本的收集与制备, 构建了具有广阔色域范围的典型色彩光谱样本集, 并在此基础上结合色域划分及色纯度寻优方法实现了现有回归校正模型建模样本的扩充与优化, 显著提升了现阶段色度校正算法的校正精度。 实验结果显示, 在各类照明组合条件下, 相比于现有色适应变换类方法以及回归校正类方法, 所提出的色度校正方法可将以CIEDE2000色差公式表示的色度校正误差降低15%左右, 对于高饱和度色彩区域其对应降幅可达40%左右。 该方法的提出, 将为未来数字影像色彩复制领域色彩再现技术的发展, 提供有效的理论与方法支撑。

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。

普通彩色相机加载宽带滤光片构造的多通道光谱采集系统的光谱重建性能与滤光片的选用密切相关。针对上述问题, 提出基于主成分分析法的合成滤光片设计方法, 旨在获得具有较高光谱重建性能并对所有图像场景均适用的最优滤光片组合。在收集多个宽带滤光片的基础上, 测得其透射率并转换成矩阵形式; 采用主成分分析方法提取该矩阵的前2个主成分, 标准化处理后的主成分即为所求合成滤光片的透射率。为了验证上述方法获得的滤光片的性能, 利用色差和光谱均方根误差2个指标对加载了合成滤光片的仿真采集系统的光谱重建精度进行了评价。实验结果表明: 采用该方法得到的滤光片组合优于常用方法得到的滤光片组合, 用其构造的成像系统具有较高的色度重建精度和光谱重建精度, 此外, 改变目标场景颜色特性, 其重建性能保持稳定。