针对可见光多光谱图像在通用领域的应用, 为提高压缩效率, 有效提升重建光谱曲线的色度及光谱精度, 进一步存储传输, 提出了一种非线性光谱反射率模型, 并基于此设计了复杂度适中、 光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。 首先根据多光谱图像物理特性, 提出非线性光谱反射率模型, 将光谱数据表示为线性成分和差别光谱, 线性成分由六维变换空间及光谱投影系数组成, 差别成分为非线性表示成分, 该模型用于光谱数据至不同基变换空间的分解及表示, 为算法的构建, 光谱及色度重建性能的提升, 提供了理论基础; 然后, 根据人眼视觉系统特征、 光照条件, 借助CIE标准色度空间转换函数, 提取光谱反射率中的三维色度信息Lab, 保证重建图像的色度精确性; 基于光谱非线性表示模型, 采用类视觉曲线的三角函数基, 提取线性成分前两维投影系数作为光谱编码的后两维W1和W2, 用于近似描述CIERGB色度空间中R和G通道, 同时有效提高光谱数据的色度和光谱还原度; 利用误差补偿机制生成预测差别光谱, 采用主成分分析（PCA）法提取其第一维主成分作为编码值P, 补偿了线性光谱重建误差, 并进一步提升了光谱精确性; 最后, 组合提取的三部分数据, 形成LabW2P编码。 LabW2P解码即编码的逆过程。 首先, 根据Lab及W1和W2, 结合CIELAB至CIEXYZ色度空间转换函数、 光照条件、 CIE标准观察者色匹配函数、 及三角函数基, 采用最小二乘回归, 获得变换空间上的重建投影系数, 进而重建线性光谱数据; 然后, 根据P值, 采用PCA逆变换, 获取重建预测差别数据, 最后, 结合两部分重建数据, 获得光谱重建图像。 实验分析显示, LabW2P算法的平均色度精度为0.207 6, 较经典的PCA, LabPQR和LabRGB法分别提升了81.54%, 55.48%, 32.29%, 最大平均色差为0.507 0, 此外均处于0～0.5之间, 达到了视觉难以辨认的可忽略色差的色彩重建水平; 平均光谱精度为0.012 7, 较PCA性能稍弱, 较LabPQR和LabRGB法分别提升了13.01%, 6.62%, 表明LabW2P编码法的色度和光谱重建性能优势明显。 此外该算法可直接用于物体色估计, 较PCA和LabPQR法, 传输附加信息少, 可达压缩比更高。

计算机操作系统中的颜色管理设置对显示器的正确显色起着十分重要的作用。针对此问题, 本文借助Windows7平台下的图形图像处理软件“Adobe PhotoShop”, 按照操作系统级和应用程序级颜色配置文件的不同, 分3种情况设计了不同的颜色显示方案, 并通过色差计算和色域比较的方法分析了操作系统级颜色配置文件在显示器颜色再现中所起的作用, 所得重要结论如下: 如果将操作系统级颜色配置文件设置为显示器自身的ICC特性文件, 那么显示器的显色效果变化被看作是应用程序级ICC对颜色色度值进行重新定义的结果; 如果将操作系统级颜色配置文件设置为其它ICC, 则会发生从操作系统级ICC到应用程序级ICC的颜色空间转换, 且两者的色域差别越大, 转换后的显色效果变化就越剧烈。本研究结论对于正确应用显示器色彩管理具有一定的指导意义。