华南农业大学数学与信息学院, 广东 广州 510642
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比较。 实验结果表明, 基于改进加权欧氏距离的样本选择, 能够在保证均方误差最小的条件下, 显著降低色度误差, 同时添加不同噪声水平后, 文中方法的均方根误差和平均色差依旧保持最小, 该方法能够更好地利用局部样本的信息, 而且具有较好的抗干扰能力, 可以有效地提高光谱反射率重建的实际应用效果, 进而为颜色的真实再现提供保障。
光谱反射率重建 样本选择 改进加权欧氏距离 Spectral reflectance reconstruction Sample selection Improved weighted Euclidean distance 光谱学与光谱分析
2023, 43(12): 3924
1 长沙理工大学交通运输工程学院, 湖南 长沙 410114
2 浙江大学公共管理学院, 浙江 杭州 310058
3 中工国际工程股份有限公司, 北京 100080
潮间带潮滩由于受到潮汐周期性淹没的影响导致难以精准确定其空间分布, 因此, 迫切需要利用遥感技术了解潮滩受潮汐淹没的光谱变化特征, 构建潮滩提取指数, 对潮滩的精准解译提供方法及基础数据支持。 基于多时相Sentinel-2多光谱影像, 通过分析高、 低潮影像上不同地物的光谱反射率特征差异, 优选出能反映潮滩特征的波段, 构建一种海岸带潮滩提取指数。 在此基础上, 从三方面对已构建潮滩指数的可行性进行论证: (1)将潮滩提取指数应用到3个不同潮滩类型的研究区, 研究了潮滩指数的可分离性及对不同潮滩类型区域的适用性, 研究结果表明: 与其他地类相比, 构建的潮滩提取指数对潮滩具有较好的可分离性, 并且适用于砂质、 泥质不同种类的潮滩; (2)研究了潮滩提取指数对不同分类方法(包括最小距离法、 极大似然法、 支持向量机)的适用性, 研究表明: 采用所选取的三种分类方法进行潮滩解译时, 其总体精度均大于93%, Kappa系数均大于0.85, 潮滩提取指数对不同的分类方法均具有普适性, 且可有效提高潮滩的解译精准度; (3)研究了潮滩提取指数对不同数据源的适宜性, 采用“珠海一号”数据与本文Sentinel-2多光谱数据解译潮滩并对比结果, 研究显示: 构建的潮滩提取指数适用于不同数据源, 且取得了较好的潮滩分类精度。 该方法提高了海岸带潮滩遥感提取的准确度, 丰富了潮滩遥感解译理论, 对海岸带潮滩生态系统的科学管理与保护提供了理论指导与意义。
Sentinel-2多光谱影像 潮滩光谱反射率 光谱变化特征 潮滩提取指数 珠海一号 Sentinel-2 multispectral images Tidal flat spectral signatures Spectral variation characteristics Tidal flat recognition index Zhuhai No.1 Orbita Hyperspectral Satellite (OHS) 光谱学与光谱分析
2023, 43(6): 1888
1 河南理工大学测绘与国土信息工程学院, 河南 焦作 454000
2 中国农业科学院农业环境与可持续发展研究所, 北京 100081
3 河北省农林科学院旱作农业研究所, 河北 衡水 053000
为探究水分胁迫下冬小麦冠层反射率在各生育期响应叶片叶绿素变化的特性, 针对2020年—2021年小麦生长季11个品种(分为强、 一般和弱3个抗旱性品系), 设置了2次灌溉(拔节、 扬花)、 1次灌溉(冬季、 返青、 拔节、 拔节后7天和拔节后14天)以及无灌溉总共3个水分梯度处理, 分析了叶绿素与反射率之间的相关性, 利用波长随机组合方式［简单比值(SRSI)、 简单差值(SDSI)和归一化(NDSI)］与线性拟合方法, 筛选了对叶绿素最为敏感的窄波段光谱指数。 结果表明： (1)所有品系叶绿素含量在各生育期均差异显著, 从拔节到灌浆大致表现为降低─升高─降低态势, 但冬季和返青期灌溉处理下的抗旱性一般品系、 以及返青期灌溉处理下的抗旱性较差品系除外; (2)随着发育进程推移和品种抗旱性减弱, 不同处理间在近红外区域的冠层反射率差距逐渐增大。 (3)叶绿素与窄波段光谱指数的线性拟合决定系数高值区集中在绿(445～591 nm)和红边(701～755 nm)波段。 抗旱性较强品系和抗旱性较差品系的SRSI指数均在开花期反演叶绿素的精度最高, 分别达0.762和0.811; 抗旱性一般品系的NDSI指数在灌浆期精度最高, 为0.732。 该研究对于揭示水分胁迫下叶绿素变化的反射率响应在冬小麦各关键生育期以及品种间差异等, 具有一定参考价值, 可为基于无人机载高光谱技术的抗旱小麦品种高效筛选奠定基础。
遥感 无人机 冬小麦 水分胁迫 高光谱反射率 叶绿素 Remote sensing Unmanned aerial vehicle Winter wheat Water stress Hyperspectral reflectance Chlorophyll 光谱学与光谱分析
2023, 43(11): 3524
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 中国资源卫星应用中心, 北京 100094
利用自主研制的地表反射自动监测光谱仪 (ARMS) 和可见-短波红外光谱辐照度计 (HIM)，实现了嵩山遥感定标场内三种灰阶靶标反射率的自动测量，并与使用ASD便携式光谱仪人工测量的靶标反射率开展了比对。两种方法的比对结果表明：在400～1600 nm范围内，自动化测量与人工测量的反射率数据在非大气吸收波段的相对偏差优于 ±2%。进一步基于自动化设备的观测数据，分析了2019年10月至2020年11月场地内的靶标反射率。分析结果表明，受环境变化的影响，嵩山场内灰阶靶标的反射率也会发生变化，且反射率的变化趋势与波长范围及测量区域有关。在整个波段范围内，反射率的标准偏差在 ±2.5%以内。该工作的开展为基于嵩山遥感定标场的自动化、高频次在轨辐射定标提供了有力的技术支撑。
嵩山定标场 在轨替代定标 灰阶靶标 光谱反射率 Songshan Calibration Field on-orbit vicarious calibration grayscale target spectral reflectance 大气与环境光学学报
2023, 18(2): 141
云南师范大学物理与电子信息学院，云南 昆明 650500
为了降低光谱反射率重建设备的复杂度和成本并且在宽带光谱上进行更高精度的反射率重建，采用宽带多光谱成像的方法，将投影仪的红、绿、蓝三色光作为光源，用彩色数码相机对光谱图像进行采样。在主成分分析法的基础上引入加权系数，以及误差校正函数，利用改进后的方法重建色卡、染色纸张、油画表面的反射率。选取表征反射率重建精度的均方根误差、拟合度系数、光谱匹配偏度指数3个指标，对所提方法与主成分分析法和加权伪逆法的重建结果进行对比，结果表明：所提方法的重建精度较主成分分析法提高了约45%，较加权伪逆法提高了约30%；由所提方法计算的反射率重建的颜色色差值也优于后两者。
光谱学 光谱反射率重建 主成分分析法 加权系数 误差校正
1 陕西科技大学轻工科学与工程学院, 陕西 西安 710021
2 中国轻工业功能印刷与运输包装重点实验室, 陕西 西安 710021
基于密度与光谱反射率的关系建立了一种凹版专色梯尺的光谱反射率预测模型。 该方法首先依据密度的定义建立实地光谱反射率与其密度的关系, 并基于实地光谱反射率建立阶调光谱反射率的计算方法; 然后根据密度的叠加原理, 假设阶调密度与实地密度比例关系成立建立阶调密度、 实地密度和承印物密度的关系; 最后结合计算阶调光谱反射率的方法建立凹版专色梯尺光谱反射率预测模型; 调配30种专色油墨通过凹印实打样, 对预测模型通过决定系数R2和色差进行验证。 实验结果表明, 不同专色在同一网点面积率下实际阶调密度与实际实地密度的比例系数相同, 两者的决定系数R2均大于0.98。 在此关系基础上所建立的预测模型在不同网点面积率下都具有较高的决定系数, 其均方根误差都小于0.01, 最大色差为2.667 NBS。 最后另外调配10种专色油墨在相同工艺条件下实打样样张, 利用实际阶调密度与实际实地密度的比例系数, 通过色差公式进而验证该模型预测专色油墨梯尺光谱反射率的精度。 色差结果表明, 82.12%的色差小于2.5 NBS, 大部分色差在0.5～2 NBS之间, 占据了总频率的58.32%, 平均色差为1.58 NBS, 达到了企业精细复制颜色的要求。 验证了该模型对于预测凹印专色梯尺光谱反射率具有较高精度, 可为数码打样代替凹印上机打样提供科学方法。
油墨密度 光谱反射率 专色梯尺 预测模型 Ink density Spectral reflectance Spot color scale Prediction model
辽宁科技大学计算机与软件工程学院, 辽宁 鞍山 114051
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要考虑到颜色恒常性(CII)问题, 以保证产品颜色在不同光照条件下具有相近的颜色表现。 光谱反射率是决定物体颜色恒常的重要属性, 为解决重建反射率进行颜色复现后产生颜色恒常性问题, Takahama 和Nyatani提出具有颜色恒常性的线性规划光谱反射率重建方法, 测试结果发现该方法重建的反射率呈现出类似“台阶”的形状, 与实际物体色反射率差别太大。 之后, Berns等在Takahama和Nyatani算法基础上, 增加了色相角等约束, 但重建出的反射率波动太大。 Li和Luo提出具有光滑约束的二次规划颜色恒常性重建反射率算法, 重建的反射率具有光滑性, 比较接近实际物体色的反射率。 提出一种非线性约束优化方法重建物体反射率, 使之具有良好的颜色恒常性和光滑性。 文中使用标准Munsell色卡中1 560个色块测量的反射率数据集对新算法进行测试, 并与其他方法进行比较。 结果表明, 该方法不仅在重建反射率的颜色恒常性指标上远比Takahama和Nyatani方法, Berns等的方法以及Li和Luo的方法要好, 而且重建反射率与原始反射率接近程度指标: 均方根误差(RMSE)和拟合优度系数(GFC)也好于其他方法。 因此该新方法对重建反射率时具有颜色恒常性要求的行业有着重要的应用价值。
光谱反射率重建 颜色变换指数 非线性规划 色适应变换 颜色恒常性 Spectral reflectance reconstruction Color inconstancy index Nonlinear programming Chromatic adaptation transform Color constancy 光谱学与光谱分析
2022, 42(4): 1044
红外与激光工程
2022, 51(10): 20220019
辽宁科技大学计算机与软件工程学院，辽宁 鞍山 114051
提出了一种基于多光源下彩色数码相机原始数据的物体反射率预测算法。通过测量获得彩色数码相机的灵敏度函数和每个光源的光谱，建立包括噪声项的相机原始数据与物体反射率的基本线性方程。通过训练色卡（X-Rite 140色色卡）估计系统噪声，并通过多光源维纳估计算法预测反射率。用两台不同品牌的专业数码相机对本算法进行评估。结果表明，本算法在D65、U30和HZ光源下的表现最优。相比分光光度计得到的光谱反射率，Canon相机和Nikon相机对孟塞尔色卡的预测精度较高，平均CIELAB色差分别为1.59和1.40，在非接触测色和颜色复制等领域具有重要应用价值。
视觉光学 多光源 光谱反射率重建 维纳估计 多光谱成像 激光与光电子学进展
2022, 59(19): 1933001
