基于主成分分析法和二阶多项式回归的多光谱降维算法研究

针对主成分多光谱降维算法得到的低维空间没有色度意义、不能很好地与目前主流的色彩管理系统兼容的问题,本研究提出根据色度学公式将高维光谱降维到三维XYZ空间,利用二阶多项式回归结合主成分分析法(PR-PCA)实现三维XYZ空间到高维光谱的转换。并以自然颜色系统(NCS)、孟塞尔颜色系统(Munsell)和2张多光谱图像作为测试样本比较PR-PCA和经典PCA的性能。实验结果表明,相对于经典PCA,基于PR-PCA的多光谱降维方法在牺牲少量光谱重建精度的条件下,色度重建精度得到很大提高,这对光谱颜色复制非常重要,同时该方法得到的低维空间是色度空间,具有色度意义。

基于二阶多项式回归和权重主成分分析法的多光谱降维算法研究

基于主成分或者权重主成分的多光谱降维方法实现高维多光谱数据和低维空间数据之间相互转换,但低维空间数据含有大量负值,不能和色度空间如CIELAB等连接起来,给光谱颜色复制的后续研究带来困扰;建立XYZ三刺激到多光谱数据的转换,在多光谱数据降维到XYZ三刺激值过程中保留更多的颜色信息;通过二阶多项式回归建立XYZ三刺激值与多光谱通过权重主成分降维的得到的三维空间数据对应关系,实现XYZ三刺激值到多光谱数据转换;在不同的训练样本,不同的测试样本时,相对于主成分和权重主成分,推荐的方法在多种照明条件下色度重建精度得到提高,可以较好地应用到多光谱图像的高保真降维和压缩。

基于光谱色差权重函数的多光谱降维方法研究

光谱反射率维度高,与光照和观察条件无关,能够真实、客观地描述物体的颜色信息,由物体本身特性决定,因此被称为物体的“指纹”。但是,光谱反射率数据量超过传统三色系统十倍以上,这些巨大的光谱数据在存储、数据处理及传递等方面造成巨大的负担,花费太多的计算时间。如果高维光谱可以通过数学变换方法映射到低维空间,并确保低维空间能够更好地表示原始光谱所覆盖的信息,可以有效地压缩多光谱数据,提高基于光谱的颜色复制的处理效率。针对主成分分析法平等地对待可见光范围的所有波长,重建光谱仅仅是对原始光谱的数学逼近,由于波长对颜色的重要性不同,经常会导致光谱重建误差较小而色度误差较大的问题,提出了一种基于光谱色差权重函数的多光谱降维算法。使用主成分分析法将孟塞尔颜色系统Munsell维度降低到1维,再恢复重建到31维,Munsell的原始光谱和重建光谱的平均光谱色差作为权重函数。以NCS为训练样本,分别以NCS、Munsell和3张多光谱图像为测试样本,分析和比较本文推荐的权重主成分分析法与主成分分析法以及另外4种权重主成分的性能。以D65/2°和A/2°照明观察条件下的CIELAB色差和均方根误差(RMSE)分别评价测试样本的原始光谱和重建光谱之间的色度重建精度和光谱重建精度。实验统计结果表明:相对于主成分分析法,无论测试样本是多光谱数据还是多光谱图像,推荐的方法在牺牲一定光谱重建精度的情况下,在D65/2°和在A/2°两种照明观察条件下的色度重建精度得到显著的提高,而色度重建精度提高对于目前广受关注的基于光谱的颜色复制研究具有非常重要意义。实验统计结果也表明本文推荐的方法的色度重建精度优于目前已经存在的另外4种权重主成分分析法。

面向高保真再现的多光谱图像降维方法

目的研究满足面向高保真再现要求的多光谱图像降维方法。方法基于二进制小波对信号的分解与人类的视觉特性相匹配,以及非负主成分分析法可较好地保证降维的光谱精度,提出采用基于离散二进制小波变化与非负主成分分析法的综合降维方法,并基于多光谱图像高保真再现的光谱精度、色度精度与变光源色差稳定性的要求,提出采用CIELAB的标准色差ab?E、光谱保真度和平均梯度等3个指标来评价降维效果。结果经过多光谱图像的测试实验,基于离散小波变换和非负主成分分析法的综合降维方法相对于其他3种方法,其光谱精度、色度精度和图像清晰度保持良好。结论该方法较好地实现了多光谱图像的高保真再现问题,并且为颜色视觉的认知过程提供了新的理论解释。