基于反射率、吸光度和Kubelka-Munk光谱的贡梨不同损伤程度检测

贡梨在收获、运输和销售过程中容易发生机械损伤,加速果实腐烂,降低贡梨品质。快速判别贡梨的不同损伤程度,进而采取不同的处理措施,以降低经济损失。以往运用高光谱技术研究水果的损伤程度,通常仅用反射率光谱。该研究运用高光谱技术获取贡梨的反射率(R)、吸光度(A)、和Kubelka-Munk(K-M)变换光谱结合3种深度学习算法对健康和不同损伤程度的贡梨进行判别。首先,选取60个新鲜无损伤贡梨作为健康样品,再利用自由落体碰撞装置制备出Ⅰ级损伤、Ⅱ级损伤、Ⅲ级损伤贡梨样品各60个。通过高光谱成像系统采集这240个贡梨样品的光谱数据,对采集的光谱进行黑白校正,以获得贡梨的反射率(R)、吸光度(A)、和Kubelka-Munk(K-M)变换光谱,然后用基准线校准(Baseline)、去趋势(De-Trending)、移动平均(MA-S)、乘法散射校正(MSC)、卷积平滑(SG-S)、标准正态变量变换(SNV)共6种预处理方法对3种原始光谱数据进行预处理,并建立BP神经网络(BP)、极限梯度提升(XGBoost)和随机森林(RF)判别分析模型对贡梨不同损伤程度进行判别。根据模型对贡梨损伤程度的判别结果显示,基于反射率、吸光度、K-M变换光谱的BP模型判别准确率较好,整体准确率达到了85%及以上,且发现经过Baseline预处理后的反射率光谱建立的BP模型比未经预处理的反射率光谱谱建立的BP模型有较大的提升,判别准确率达到了93.33%。为了提升BP模型的精准度和运行效率,对3种原始光谱和Baseline预处理后的光谱利用竞争性自适应重加权(CARS)和无信息变量消除(UVE)方法筛选出特征波段光谱信息,用筛选后的特征光谱数据来建立BP模型,其判别结果显示A-RAW-CARS-BP模型具有最佳的判别准确率,整体准确率达到了96.66%。结果表明,采用3种原始光谱对贡梨的损伤程度进行判别具有可行性,为高光谱技术检测贡梨的不同损伤程度提供了理论依据。

面向全色域转杯纺纱的Kubelka-Munk双常数理论模型构建及颜色预测

为了能在色纺纱的纺纱阶段即时调控纱线颜色,减少混色成本,缩短工艺流程,结合三通道数控转杯纺纱的特点构建了全色域网格化混色模型,该模型可在纺纱过程中进行全色域范围内的色相调控、明度调控和彩度调控。为了解决色纺纱的测配色问题,得到与之相匹配的测配色系统,根据来样快速进行计算机测配色,节约成本,结合传统Kubelka-Munk双常数理论模型的特点,从构建的全色域网格化混色模型中选取混合样来进行颜色预测。从传统Kubelka-Munk双常数理论模型颜色预测的结果发现,部分混合样的预测反射率明显低于实际的反射率,针对这个问题,重新构建了新的Kubelka-Munk双常数理论模型来进行颜色预测得到新的预测反射率,并用插值替换的方法,把传统Kubelka-Munk双常数理论模型预测结果中明显低于实际反射率的部分用新的预测反射率替换,得到最终的混合样预测反射率。结果表明:与传统的Kubelka-Munk双常数理论模型预测混合样颜色结果相比,新的Kubelka-Munk双常数理论模型预测颜色并用插值替换法替换后得到的最终的混合样的颜色,色差平均值从1.48降低到1.04,且所有混合样的色差均能控制在2.0以内。该预测方法较传统Kubelka-Munk双常数理论模型具有更好的预测精度,所构建的全色域网格化混色模型和新的Kubelka-Munk双常数理论模型可应用于多基色纤维混色色彩和混合比的预测。

基于Kubelka-Munk双常数理论的涤/黏双组分三色混色纤维配方预测

为了提高原液着色涤/黏双组分混配色打样效率,基于Kubelka-Munk双常数理论模型,选用3种单色(大红、宝兰G、金黄)涤纶短纤维和3种单色(大红、蓝色、黄色)黏胶短纤维为研究对象,以6种单色纤维进行双组分混色,按9种不同混合比例共得到54种三色混色双组分纤维样品。利用测色仪测定混色样的颜色特征参数:反射率(R)、颜色深度(K/S)、明亮度(L)、红绿色度(a)及黄蓝色度(b),利用最小二乘法对数据进行处理;最后对计算混色比例与实际混色比例之间的误差进行评价,以验证Kubelka-Munk双常数理论模型在双组分混配色中的适用性。结果表明,54种样品的色差均在1.0以下,均值为0.2775,标准差为0.2177,预测比例与实际比例差距较小,红色涤纶与蓝色、黄色黏胶组合的平均比例误差最小,为1.109%,说明其比例预测效果较好,而黄色涤纶与红色、蓝色黏胶组合的平均色差最小,为0.1721,说明其颜色预测较好。

基于约束Kubelka-Munk模型与梯度局部优化算法耦合的色剂配色方法

针对人工实现快速、准确的色剂配色非常困难的问题,本研究提出了一个基于约束Kubelka-Munk模型与梯度局部优化算法耦合的色剂配色方法,实现涂料和印刷行业半透明和不透明色剂的配方预测。在此方法中,先利用梯度局部优化算法求解在基色色剂和冲淡剂混合基础上的目标函数,计算出基色色剂的吸收系数(K)和散射系数(S)。然后,为了实现任意目标色剂中基色色剂的混合配比,利用基色色剂与冲淡剂的吸收系数与散射系数物理属性对Kubelka-Munk模型进行约束,并通过最小化目标色剂与基色色剂之间的吸收系数与散射系数比值,构建了约束Kubelka-Munk模型,用于预测半透明着色剂和不透明色剂的配方。配方差、光谱反射率差,以及色差的实验结果表明,与传统的Kubelka-Munk模型相比,该方法建立的模型预测混色效果更优。

基于Kubelka-Munk理论的矿物颜料颗粒光散射特性及颜色研究

针对矿物颜料颗粒大小对光学特性和颜色的影响问题,本文结合光散射理论和Kubelka-Munk理论构建单颜料颗粒的光学模型,将其映射到颜料介质群的光学特性中,建立光谱反射率、散射系数及吸收系数的微分映射模型。实验结果表明,颜料颗粒粒径尺寸与散射系数、光谱反射率、明度及三刺激值呈明显的负相关性。本研究验证了将光学理论和色彩学理论相结合的合理性,揭示了粒径变化对矿物颜料的光学特性及色度值的影响机理,为计算机配色中的彩绘文物修复提供了一定的理论工具价值。

基于反射率、吸光度和Kubelka-Munk光谱数据的黄桃早期损伤程度检测

为提高黄桃损伤程度无损检测识别的准确率,采集健康和不同损伤程度黄桃(Amygdalus persica)的反射光谱(R)、吸收光谱(A)、Kubelka-Munk光谱(K-M),并基于反射光谱、吸收光谱、Kubelka-Munk光谱等原始光谱和RAW、BOC、DT、SG、SNV等预处理方法后的光谱建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)、极限梯度提升(extreme gradient boosting,XGBoost)和随机森林(random forest,RF)模型,比较3种模型检测效果,选出正确率较高模型并构建其特征波长下的模型,并对结果再次进行比较。结果显示,基于3种原始光谱和SG预处理后光谱的RF模型判别效果较优,整体准确率均达到了90.00%以上。利用竞争性自适应重加权(CARS)和无信息变量消除(UVE)算法对3种原始光谱和SG预处理后的光谱进行波长筛选,并再次建立RF模型。结果显示,A-RAW-CARS-RF模型和K-M-SG-CARS-RF模型相比于全光谱下的RF模型判别效果得到了改善,并且在基于特征波长建立的RF模型中,A-RAW-CARS-RF模型的判别效果最好,整体准确率达到了97.12%,对4个子类别的误判数分别为0、1、1、1。

基于Kubelka-Munk的矿物颜料分布映射模型研究

矿物颜料作为我国古代彩绘所用的主要颜料,部分颜色经过岁月洗礼发生褪变色现象,其色彩复原已成为研究的重点之一,矿物颜料的识别和分布映射是色彩复原的重要依据。本研究首先阐述了矿物颜料的光学特性,并构建了土红、雌黄等矿物颜料的吸收散射数据库;其次,基于人眼的视觉感知特性,构建修正的双常数Kubelka-Munk模型以获得色块的浓度分布映射图谱;最后,通过吸收散射数据库计算出各匹配色的光谱反射率以及色度值,以光谱匹配度和CIEDE2000色差来验证模型的精度。实验数据表明,本研究所提出的模型能够较好表征色块的浓度值,模型预测浓度误差的平均值为1.838%。该方法能够较好地反映矿物颜料的浓度分布情况,对古代彩绘的计算机复原有一定的参考价值。

基于Kubelka-Munk双常数理论的纬全显色提花织物配色算法

由于织物结构与各单色纱线种类的千变万化,颜色设计一直以来都是生产设计中的难题。为了求得纬全显色提花织物的色彩显色模型,采用黑、白、红、绿、黄5种色纱为纬纱,按2组分不同比例混合交织得到单经双纬的纬全显色提花织物试样。通过大量实验测试,用最小二乘方法求得Kubelka-Munk双常数理论中的单纱吸收系数K值和散射系数S值,从而得到纬全显色提花织物的配色算法,并对织物中各纬纱颜色的表面比例进行预测。结果表明,Kubelka-Munk双常数理论可以较好地解释纬全显色提花织物颜色与各单纱颜色比例之间的关系。

环锭数码纱Kubelka-Munk双常数配色模型构建及其色彩预测

为构建适用于环锭数码纺混色纱的配色模型,以环锭数码纺纱机为平台,选用品红、黄色、青色、黑色、白色5种颜色的粗纱为原料,以10%为混纺梯度进行混色纺纱,并用小圆机织成针织物,进一步对织物进行测色。依据Kubelka-Munk双常数理论,用相对值法求解参数吸收系数和散射系数,并进行模型构建,结合全色谱算法和最小二乘法进行配色算法构建,实现对环锭数码纺混色纱的颜色预测与配方预测。用品红、黄色、青色3色粗纱按不同配比制备36种混色样进行预测效果分析。结果表明色差均值为1.74,平均比例误差为7.38%,色差分布小于2的占比达到72.22%,证明该模型对环锭数码纺纱系统具有适用性。

Kubelka-Munk模型下的兔血管对Ar^+激光的散射与吸收特性

测量了兔动脉和静脉对Ar+ 激光的反射和透射传输特性。实验采用两积分球系统及Ar+ 激光器 ,并根据测量数据和采用Kubelka Munk模型分析、计算了兔动脉与静脉组织对该波长激光的吸收系数、散射系数、总光强I(x)及前向散射通量i(x)和后向散射通量 j(x)随厚度的变化情况。结果表明 ,兔动脉与静脉的漫反射率和透射率有明显差别 ,且动脉对激光的吸收系数明显较静脉的小 ,而动脉对激光的散射系数却明显较静脉的大 ,在动脉和静脉组织中总光强I(x)、前向散射通量i(x)和后向散射通量 j(x)随厚度的变化情况也有明显的区别。

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数检测人结肠腺癌

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数对人结肠腺癌进行了鉴别诊断,实验采用带积分球附件的分光光度计获取组织的漫反射光谱。结果表明:在250～650 nm,结肠上皮组织的癌变导致其上皮组织在DNA吸收带的Kubelka-Munk光谱函数f(r∞)及其对数log[f(r∞)]的平均值在260 nm处都有非常显著性的差异,其差异分别为218%(p<0.05)和68.5%(p<0.05)。结肠上皮组织的癌变导致其上皮组织在蛋白质吸收带的Kubelka-Munk光谱函数f(r∞)及其对数log[f(r∞)]的平均值在280 nm处也都有非常显著性的差异,其差异分别为208%(p<0.05)和59.0%(p<0.05)。结肠上皮组织的癌变导致其上皮组织在β-胡罗卜素吸收带(480 nm处)的Kubelka-Munk光谱函数f(r∞)及其对数log[f(r∞)]的平均值在480 nm处也都有非常显著性的差异,其差异分别为41.7%(p<0.05)和32.9%(p<0.05)。可见,结肠上皮组织的癌变导致其上皮组织中的DNA、蛋白质和β-胡罗卜素的含量都发生了非常显著的变化。这结论为快速、低成本、非入侵的结肠腺癌的光活检提供一些有益的参考。

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数检测人胃癌

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数对离体的人正常胃、未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌的上皮组织进行鉴别诊断。实验采用带积分球附件的分光光度计获取组织的漫反射光谱。结果表明：在250-650nm，人胃的上皮组织的癌变导致未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌等的上皮组织的Kubelka-Munk光谱函数f（r∞）及其对数log[f（r∞）]的平均值在DNA吸收带（260nm）处都有非常显著性的差异，其差异分别为68．5％（p〈0．05），146．5％（P〈0．05），282．4％（p〈0．05）和32．4％（P〈0．05），56．0％（P〈0．05），83．0%（p〈0．05）。人胃的上皮组织的癌变导致未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌等的上皮组织的Kubelka—Munk光谱函数f（r∞）及其对数log[f（r∞）]的平均值在蛋白质的吸收带（280nm）处也都有非常显著性的差异，其差异分别为86．8％（p〈0．05），262．9％（P〈0．05），660．1％（p〈0．05）和34％（P〈0．05），72．2％（P〈0．05），113．5％（p〈O．05）。人胃的上皮组织的癌变导致未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌等的上皮组织的Kubelka-Munk光谱函数f（r∞）及其对数log[f（r∞）]的平均值在β-胡萝卜素吸收峰（480nm）处也有着显著的差异性，其差异分别为59．5％（P〈0．05），73％（p〈0．05），258．9％（p〈0．05）和118．7％（P〈0．05），139．2％（P〈0．05），324．6％（P〈0．05）。可见，人胃上皮组织的癌变导致其DNA、蛋白质和伊胡萝b的含量都发生了显著的变化。这结论为快速、低成本、非入侵的胃癌的光活检及鉴别诊断胃癌提供有益参考。

Kubelka-Munk模型下的人血管对632.8nm氦-氖激光的散射与吸收特性

本文测量了人动脉和静脉对He-Ne激光的反射和透射传输特性。实验采用两积分球系统及波长为 6 32 8nm的He -Ne激光器 ,并根据测量数据及采用Kubelka-Munk模型分析和计算了人动脉和静脉组织对该波长激光的吸收系数、散射系数及总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)的变化情况。结果表明 ,人动脉和静脉内外侧的漫反射率和透射率有明显差别 ,而且 ,动脉对激光的吸收系数明显较静脉的要小 ,而动脉对激光的散射系数却明显较静脉的要大 ,在动脉和静脉组织中总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)

基于Kubelka-Munk理论光谱反射比重建算法的研究

由于常规的K/S空间的光谱反射比重建算法不能满足高精度重建光谱反射比的需求,因此基于Kubelka-Munk理论的光谱反射比重建算法被提出来.本文的重点是提出应用Kubelka-Munk理论对物体表面的光谱反射比进行重建,并针对该算法进行数学上的推导.

基于Kubelka-Munk理论的光谱配色算法研究

为了计算出更为精确的专色油墨配方,保证专色油墨在提高印刷速度与印刷质量的同时,保持色彩再现的一致性。选取Pantone297C、Pantone273C、Pantone450C 3个专色作为标样,建立C、M、Y、BK四色油墨的基础数据库,并对标样、底基以及四色油墨的样条进行桑德森修正。根据Kubellka-Munk单常数光谱配色算法,在Matlab中建立单常数的光谱配色模型,确定标样的油墨配方,通过比较目标色与配方色样的光谱反射率以及色差,验证油墨配方的准确性。实验结果表明Pantone297C、Pantone273C、Pantone450C目标色与配方色样反射率曲线基本吻合:对于Pantone297C,标样与配样的色差为ΔE=1.21;对于Pantone273C,标样与配样的色差为ΔE=0.96;对于Pantone450C,标样与配样的色差为ΔE=2.65。从而验证了四色油墨基础数据库的准确性以及基于Kubellka-Munk单常数光谱配色算法的实用性。

Kubelka-Munk模型下的兔血管对496.5nm Ar^+激光的散射与吸收特性

本文测量了兔动脉和静脉对Ａｒ＋激光的反射和透射传输特性．实验采用两积分球系统及波长为 ４９６．５ ｎｍ的Ａｒ＋激光器，并根据测量数据及采用Ｋｕｂｅｌｋａ－Ｍｕｎｋ模型分析和计算了兔动脉和静脉组织对该波长激光的吸收系数、散射系数及总的光强Ｉ（ｘ）、前向散射通量ｉ（ｘ）和后向散射通量ｊ（ｘ）随厚度的变化情况．结果表明，兔动脉和静脉的漫反射率和透射率有朗显差别，动脉对激光的吸收系数明显较静脉的要小，而动脉对激光的散射系数却明显较静脉的要大．在动脉和静脉组织中总的光强Ｉ（ｘ）及前向散射通量ｉ（ｘ）和后向散射通量ｊ（ｘ）随厚度的变化情况也有明显的区别．

Kubelka-Munk模型下的兔血管对He-Cd激光的散射与吸收特性

测量了兔动脉和静脉对He Cd激光的反射和透射传输特性。实验采用两积分球系统及波长为 44 1.6nm的He Cd激光器 ,并根据测量数据及采用Kubelka Munk模型分析和计算了兔动脉和静脉组织对该波长激光的吸收系统、散射系数及总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)随厚度的变化情况。结果表明 ,兔动脉和静脉的漫反射率和透射率有明显差别 ,而且 ,动脉对激光的吸收系数明显较静脉的要小 ,而动脉对激光的散射系数却明显较静脉的要大 ,在动脉和静脉组织中总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)

Kubelka-Munk模型下的兔血管对氦氖激光的散射与吸收特性

测量了兔动脉和静脉对He Ne激光的反射和透射传输特性。实验采用两积分球系统及波长为 6 32 .8nm的He Ne激光器 ,并根据测量数据及采用Kubelka Munk模型分析和计算了兔动脉和静脉组织对该波长激光的吸收系数、散射系数及总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)随厚度的变化情况。结果表明 ,兔动脉和静脉的漫反射率和透射率有明显差别 ,而且 ,动脉对激光的吸收系数明显较静脉的要小 ,而动脉对激光的散射系数却明显较静脉的要大 ,在动脉和静脉组织中总的光强I(x)及前向散射通量i(x)和后向散射通量j(x)随组织厚度的变化情况也有明显的区别。

平面型混浊介质光反射四能流Kubelka-Munk模型

通过分析光在介质-空气和介质-表面粗糙基构成界面上和平面分层混浊介质中的反射、散射和吸收规律,提出了混浊介质中传输的光能流将由界面或混浊介质的定向反射和漫反射作用而产生的定向光能流和漫射光能流构成.考虑到这两种光流能量比率的动态转化规律,运用辐射传递理论和四能流光子流传输模式修正了经典二能流Kubelka-Munk模型,建立了四能流Kubelka-Munk模型.研究表明,由经典二能流Kubelka-Munk模型计算得出的色彩要比实际的色彩偏红.

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。