基于光谱表示法颜色近邻搜索的核心是高维向量近邻搜索, 相似性度量和索引树构建是影响其性能的关键, 前者存在等距性问题, 后者存在构建困难、 查询效率低、 不易动态调整等问题, 从而严重影响颜色近邻搜索算法的性能。 使用NPsim函数计算颜色相似性, 结合有序矩阵组织颜色空间数据, 提出一种基于有序NPsim矩阵的颜色近邻搜索算法。 首先, 计算颜色空间中所有颜色之间的NPsim值, 构建反映所有颜色相似性关系的NPsim矩阵; 然后, 按照每种颜色与其他颜色的相似性, 对NPsim矩阵的每行元素降序排列, 从而得到反映每种颜色与其他颜色相似性大小关系的有序NPsim矩阵; 最后, 对于颜色空间中任意给定的颜色, 根据它在有序NPsim矩阵中的行号, 就能够直接找到该颜色的所有近邻。 采用蒙赛尔全光泽色系光谱构建有序NPsim矩阵, 同时建立KD树和SR树, 分别进行K近邻搜索, 并从精度和速度两方面比较。 在精度方面, 本算法得到的颜色近邻与查询颜色距离最近、 相似性最好, 存在逆序现象的近邻个数最少; 在速度方面, 构建有序NPsim矩阵的时间比构建KD树和SR树的时间要长, 但近邻搜索速度是KD树/SR树的1万倍左右, 而且与K值无关; 此外, 构建有序NPsim矩阵易于并行化, 而构建KD树和SR树不易并行化, 并行化后构建有序NPsim矩阵的速度会超过构建KD树和SR树的速度。 实验结果表明该方法适用于颜色近邻搜索。

在混合颜料成分分析中, 反射光谱法通过计算相似性来判断基本颜料种类, 容易受多种基本颜料的影响, 造成分析结果不准确。 将光谱表示为信号, 结合独立成分分析, 提出一种基于光谱表示和独立成分分析的混合颜料成分分析方法。 首先, 采用光谱仪获取混合颜料光谱信息, 并将其表示为离散信号的形式; 然后, 对信号进行独立成分分析, 得到基本颜料的光谱信息; 随后, 通过计算基本颜料光谱与已知颜料光谱的相似性, 确定基本颜料种类; 最后, 逆用Kubelka-Munk混色公式就可以得出基本颜料的比例。 我们采用蒙赛尔色卡光谱制作模拟数据, 分别进行正常/扰动情况下三种色卡光谱混合信息的成分分析试验, 以及从8种色卡光谱中选择若干种混合后的成分分析实验。 分离出的光谱形态与已知的原始颜料光谱形态极其相似, 平均相似比为97.72%, 最大相似比可以达到99.95%, 得出的基本颜料比例与混合时的比例基本相同。 实验结果表明本方法适用于混合颜料成分分析。