提出一种新的显示器光谱特征化方法。首先,通过奇异值分解的手段获得单通道最重要的k个基向量,这样任何单通道的光谱辐亮度都是这些基向量的线性组合,而对应的基下坐标也可通过正交性获得,从而也建立了查找表。因此对于单通道的任何驱动值,对应的光谱辐亮度便可由基向量线性表示出,组合系数通过查找表和插值技术获得。最后对于任何一组驱动值R、G、B,便可由单通道的光谱加和预测出总体光谱辐亮度。当k=1时,本文方法退化成传统的假定色品恒定的分段线性插值(PLCC)方法。同时也提出了新方法的逆向模型。测试结果表明,按色差和光谱均方根误差度量,本文提出的正向模型不仅优于传统的Gain-Offset-Gamma和PLCC模型,也优于最近提出的光谱辐射亮度分区模型和光谱辐射亮度分段分区模型。

显示器特征化是颜色管理的关键问题之一, 早期人们关注的是建立显示器驱动信号RGB和色度值XYZ之间的相互转换关系, 文献中讨论最多的是GOG和PLCC模型。 最近, 为了实现同色同谱再现, 显示器的光谱特征化成为研究的热点, 而且显示器的光谱特征化在多光谱图像的再现有着重要应用。 提出采用常用的GOG和PLCC模型进行光谱特征化。 虽然GOG和PLCC模型是常用的显示器特征化模型, 但文献还没有用这两个模型进行光谱特征化的讨论。 首先基于通道独立性和各通道色品坐标恒定性的假设证明了GOG和PLCC模型均可用于显示器光谱特征化。 然后基于目前常采用的专业显示器EIZO CG277和BENQ PG2401进行了比较研究, 同时也分别探讨了采用纯色和灰阶数据进行训练GOG和PLCC模型。 比较结果表明, 采用灰阶数据训练的GOG和PLCC模型分别好于采用纯色数据训练的GOG和PLCC模型; 不论从正向还是从逆向的角度考虑采用灰阶训练的PLCC模型的精度要比SRPPM和GOG模型高, 而且PLCC模型的逆向远比SRPPM的逆向简单。 因此建议采用灰阶数据训练的PLCC模型对液晶显示器进行光谱特征化。

随着光谱技术的发展, 打印系统的光谱特征化模型成为研究热点。 基于光谱匹配的特征化模型通过直接预测设备基色的光谱反射比数据, 可以有效的减少同色异谱现象的发生, 为实现高保真印刷提供条件。 主要基于Yule-Nielsen修正的Neugebauer光谱模型, 开展了关于12色打印系统光谱特征化模型如何提高模型精度的研究。 首先通过对颜色测量仪器及测量条件、 喷墨打印机打印系统进行稳定性及精确度验证, 为后续样本设计和测量提供可行性依据。 然后, 建立该研究设备适用的正向YNSN模型。 依据CIELAB颜色空间中明度值L*均匀分布的原则, 设计并输出了1 331个测试样本, 抽取部分样本做训练样本, 对所建立的光谱的特征化正向模型进行验证。 结果表明, 基于光谱的特征化模型预测精度较高, 具有明显的优势。 经验证, 通过引入Yule-Nielsen修正参数n值, 可进一步改善光谱预测精度。

为实现 LCD显示器的光谱特征化, 本文提出一种基于遗传算法优化(Genetic Algorithm, GA)的BP神经网络(GA-BP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分, 同时采用PCA对光谱数据进行降维, 接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化, 建立显示器驱动值与光谱数据之间的神经网络模型, 实现了显示器的光谱特征化。实验结果表明子空间划分后, 在子空间中进行模型参数的优化有利于模型整体精度的提高, GA的优化有效改善了BP神经网络的极值问题, 提高了模型的精度, PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。

Conventional printer characterisation models are generally based on the assumption that the densities of primary colours are additive. However, additivity failure frequently occurs in practice. We propose a novel grey component replacement (GCR) method based on the spectral density sub-additivity equations in this letter for spectral characterisation of a 4-ink colour printer. The method effectively correct the error caused by additivity failure. Real high-quality hardcopy samples are produced as evidence of the feasibility of the proposed method and to evaluate the model performance. Finally, the GCR model for characterising colour printer with high spectral and colorimetric prediction accuracy is established.