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
针对R矩阵光谱重构法面临的问题, 提出了一种基于相机响应特性的光谱分解方法, 对分解出的同色异谱黑的反演建立粒子群优化 BP 神经网络模型 (PSOBP) 以实现网络训练权重的优化, 并利用全局训练样本和局部训练样本的二次光谱重构方式进行了仿真实验。结果表明, 在D65光源下, 利用所提出的方法, RGB相机观测下重构两种测试集均方误差平均值分别至少降低了1.71%和0.51%, 色差最大值分别为3.5579和2.3776, 满足人眼辨别颜色阈值要求; WorldView3观测下光谱重构精度均方误差在410~510、555~565、590~685、705~740 nm波段内不超过2%, 适应度系数表示的可接受样本占比均为91.667%, 色差最大值分别为1.6002和1.1177, 其光谱重构精度以及色度精度较其他方法均有所提高, 且6通道多光谱相机已能满足较高精度光谱重构的要求。
遥感 光谱重构 同色异谱黑 粒子群优化 神经网络 齐次非线性扩展 remote sensing spectral reconstruction metamerism black particle swarm optimization neural network homogeneous nonlinear extension
1 School of Electronic Science and Engineering, Joint International Research Laboratory of Information Display and Visualization, Southeast University, Nanjing 2008，CHN
2 Department of Chemistry, Faculty of Natural and Agricultural Sciences, North‑West University (Mafikeng 5 Campus), Private Bag X046, Mmabatho 735, South Africa
3 Nanjing Perlove Medical Equipment Corporation, Nanjing 211111,CHN
4 Suzhou Yi He Photoelectron Science and Technology Ltd., Suzhou Jiangsu 215100,CHN
5 Shi‑Cheng Laboratory for Information Display and Visualization，Nanjing 210024
深入研究了宽谱入射光的吸收、光生载流子产生，以及光生载流子的输运和复合的物理过程，提出在pin半导体结中设置若干不同能量带隙的半导体层。通过这些不同能量带隙半导体层调节不同波长入射光的吸收区域，并利用偏置电压控制不同区域光生载流子的传输和复合，进而改变探测器的光谱响应特性。根据研究结果，如果设置4层带隙梯度分布的本征层，不同偏置电压下探测器光谱响应曲线的Pearson相关系数从0.99下降到0.68，为后续的探测器光谱重构提供了有效的宽谱探测数据。
波分复用算法 光谱重构 非线性相关 能量带隙 wavelength division multiplexing algorithm spectral reconstruction nonlinear correlation energy bandgap
吉林大学仪器科学与电气工程学院, 吉林 长春 130000
针对光谱重构领域中光谱数据量较大与重构精度较低的问题, 提出了一种光谱可调谐的光谱重构方法。 在此之前国内外相关研究均是在数百条膜系的基础上进行, 并且计算过程比较复杂, 该方法利用10条膜系针对不同的单色光源进行实验并进行光谱重构。 光谱重构数学模型可以用线性方程组AX=B表示, 在实验过程中会受到多种误差源的干扰, 如膜系加工与设计间的误差、 探测器量子效率拟合误差、 杂散光干扰误差以及灰度值选取的误差等。 这些误差源造成了线性方程组变为病态方程, 造成了目标光谱信息解算的不准确。 在解算目标光谱信息的过程中, 首先在400~900 nm波长范围内利用凸优化算法解出含有误差的目标光谱信息的初始值, 并进行初次拟合, 得出含有误差的光谱曲线。 然后利用已知的光谱曲线信息判断目标光谱的有效波长范围, 对目标光谱范围进行伸缩, 在此范围内进行二次局部解算, 得出局部波长内的光谱信息, 然后对局部光谱信息进行局部拟合, 结合初次拟合结果, 得出新的目标光谱拟合曲线, 进一步提高了光谱重构精度, 以此类推, 得出精度较高的目标光谱曲线。 针对重构精度的评价指标不仅采用了国内外广泛使用的ARE, MSE与RQE, 还首次提出了一种新的评价光谱重构精度的指标, 即计算目标有效波长范围内每隔10 nm的MSE值, 若每10 nm的MSE值小于0.1, 则认为光谱重构精度达到了10 nm, 该方法不仅有效避免了在求解出现严重偏离真实值的情况, 还在凸优化解算过程中提供了约束条件, 有利于提高重构精度。 实验结果表明该方法在保证MSE, ARE与RQE高精度的条件下, 每隔10 nm的MSE最小值达到了0.002 3。 基于光谱可调谐光谱重构方法不仅达到了对目标光谱达到高精度重构的效果, 而且实现了数据降维。 此方法为光谱重构领域的工作方向提供了新的思路, 在工程上具有较大的应用价值。
光谱重构 调谐光谱 凸优化 数据降维 Spectral reconstruction Tuning spectrum Convex optimization Data dimensionality reduction 光谱学与光谱分析
2022, 42(5): 1378
1 哈尔滨理工大学测控技术与通信工程学院, 黑龙江 哈尔滨 150080
2 哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室, 黑龙江 哈尔滨 150080
光谱反射率描述物体的表面颜色特征, 为了能够获取物体自身更加精确的颜色信息, 在图像处理领域光谱反射率重构成为了关注的话题。 反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构, 以达到提高物体自身颜色准确复制的精度, 最后建立相应的反射光谱。 尝试将压缩感知(CS)理论应用到光谱实验中, 对光谱反射率进行重构。 首先是介绍了压缩感知理论知识, 然后把压缩感知理论与光谱反射率原理相结合, 根据基于压缩感知的光谱反射率重构的理论框架, 选取合适的采样值, 压缩感知的采样值即压缩值, 小波基作为正交矩阵, 高斯随机矩阵作为测量矩阵, 正交矩阵与测量矩阵需要保证具有不相关性, 将原始光谱反射率从高维到低维进行线性投影, 得到低维的观测信号, 运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构, 重构得到的光谱反射率与原始光谱反射率具有相同的维度, 最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。 经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果, 经压缩感知的重构精度明显提高; 经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值, 整体效果更接近原始光谱曲线; 经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值, 整体上存在偏差。 可以认为压缩感知用低采样的数据达到了全采样的效果, 提高了光谱反射率重构的精度。 基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法, 可以将压缩感知理论应用到实际的多光谱成像系统中。
压缩感知 光谱反射率 光谱重构 多光谱成像 Compressed sensing Spectral reflectance Spectral reconstruction Multispectral imaging 光谱学与光谱分析
2021, 41(4): 1092
为了实现油菜叶片中叶绿素含量的快速无损检测, 开发了手持式多光谱成像系统用于采集油菜叶片在460, 520, 660, 740, 840和940 nm 六个波段的光谱图像。 将一台能够采集可见光/近红外(380~1 023 nm)512个波段光谱图像但是价格高昂且体积大的室内高光谱成像系统作为参考仪器, 将手持式多光谱成像系统作为目标仪器后, 采用伪逆法(pseudo-inverse method)求得高光谱成像系统和多光谱成像系统两台仪器之间的转换矩阵F, 从而实现6个波段的多光谱图像向512个波段的高光谱图像的重构, 提高了手持式设备的光谱分辨率。 运用偏最小二乘回归算法(PLSR)建立了重构的光谱与油菜叶片的叶绿素含量之间的关系模型。 结果表明, 重构的可见光范围内的光谱反射率与叶绿素浓度之间具有很强的相关性, PLSR回归模型建模集的决定系数$R_c^2$为0.82, 建模集均方根误差RMESC为1.98, 预测集的决定系数$R_p^2$为0.78, 预测集均方根误差RMESP为1.50, RPD为2.14。 虽然应用本文开发的手持式成像系统结合PLSR模型实现油菜叶绿素含量快速无损预测的精度低于基于室内高光谱成像系统获得的高光谱图像建立的PLSR模型($R_c^2$, RMESC, $R_p^2$, RMESP和RPD分别为0.90, 1.41, 0.82, 1.36和2.37), 但是明显优于基于原始多光谱成像系统4个波段(460, 520, 660和740 nm)反射率建立的PLSR模型得到的结果($R_c^2$, RMESC, $R_p^2$, RMESP和RPD分别为0.78, 2.06, 0.72, 1.85和1.88)。 表明光谱重构技术可提高多光谱成像预测油菜叶绿素含量的精度, 并且与室内高光谱成像系统相比, 开发的手持式设备具有体积小、 成本低廉和操作简便等优点, 可为田间油菜叶片的生理状态和养分检测及可视化表达提供技术支持。
油菜 叶绿素 手持式多光谱成像系统 多光谱图像 光谱重构 偏最小二乘回归 Oilseed rape Chlorophyll content Handheld multispectral imaging system Multispectral imaging Spectral reconstruction Partial least squares regression
华南理工大学物理与光电学院亚热带建筑科学国家重点实验室, 广东 广州 510641
提出了一种基于非视觉和视觉效应的光谱重构解决方案,以实现健康照明的理念。建立了四通道光谱重构计算模型,利用该模型根据生理节律因子、色品坐标和照度直接求解脉冲宽度调制的占空比。设计了一种可远程控制的光谱可重构的发光二极管光源,用以实验验证。讨论了生理节律因子和显色性指数的可调谐性,为相关参数的选择提供了理论指导。实验结果表明,测量值与理论值之间的相对误差较小。此外,计算模型能够指导同一色品坐标上的光谱重构,以实现生理节律因子和显色性指数的调控。因此,计算模型能良好地指导光谱重构。该研究为下一代健康照明光源的设计提供了有益参考。
视觉光学 照明设计 非视觉效应 光谱重构 健康照明 光学学报
2019, 39(10): 1033001
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。
光谱连接空间 光谱重构 反距离加权最小二乘法 interim connection space for spectral data spectral reflectance reconstruction inverse distance weighted least square method
1 中国科学院光电研究院定量遥感信息重点实验室， 北京 100094
2 中国科学院大学， 北京 100094
针对常用的迭代追踪类算法难以保证低采样下光谱重构的成功率与精度的问题，提出了一种在低采样下光谱重构中字典原子选取的优化方法。利用AVIRIS和ROSIS高光谱数据构建光谱稀疏字典并进行压缩感知光谱重构实验，分别从光谱重构精度、稀疏成分提取能力、光谱重构的成功率和光谱识别的准确率等不同角度进行了分析。实验结果表明,本文方法不仅优于传统的匹配追踪算法，同时也优于公认的精度较高的FOCUSS、MSBL等其他类型的算法。
光谱学 光谱重构 压缩感知 稀疏表示 稀疏字典 匹配追踪
杭州电子科技大学数字媒体与艺术设计学院, 浙江 杭州 310018
从数码相机的RGB 信号重构物体表面的光谱反射率是光谱颜色管理研究中的重要课题之一。提出了一种基于误差反向传播前馈神经网络(BP)和主元分析法(PCA)实现色卡的表面光谱反射率重构的新算法。通过对三种色卡进行光谱重构实验研究了BP 神经网络的最优结构和主元数的最佳选择，验证了算法的精度。实验结果表明，采用适当的BP 神经网络和主元分析相结合的新算法能够精确重构同类色卡的表面光谱反射率。
视觉光学 光谱重构 主元分析法 神经网络 数码相机 激光与光电子学进展
2014, 51(12): 123301
1 北京大学遥感与地理信息系统研究所, 北京100871
2 北京大学空间信息集成与3S工程应用北京市重点实验室, 北京100871
遥感数据模拟已广泛应用于遥感研究中, 遥感模拟对于新型传感器的设计, 新算法的检测等都有积极的意义。 然而传感器系统参数的变化会影响数据模拟的精度。 实验采用卷积宽视场多光谱成像仪蓝、 绿、 红和近红外四个波段的光谱响应函数, 基于光谱重构的方法对多光谱数据进行了高光谱的数据模拟。 研究分析了多光谱数据中心波长和带宽的变化对高光谱重构精度的影响。 结果表明, 中心波长和带宽的变化对于光谱重构精度有一定的影响, 但总体来说模拟结果有很好的精度。 中心波长的变化所引起的RMSE小于0.025, 带宽变化引起的RMSE小于0.012。 因而基于中心波长和带宽变化的高光谱数据重构有助于用户更好的了解高光谱成像系统, 找到系统性能的主要影响者, 以便更好的模拟高光谱数据, 扩展遥感数据的应用范围。
高光谱 数据模拟 光谱响应函数 光谱重构 中心波长 带宽 Hyperspectral Data simulation SRF Spectral reconstruction Wavelength center Bandwidth
