盘锦地区不同品种水稻品质及其冠层高光谱反射率特征分析

对2022年盘锦地区8种水稻进行品质特征分析,并探讨不同品种水稻籽粒加工品质、外观品质、蒸煮品质、营养品质与水稻成熟期冠层原始光谱、一阶导数光谱及连续统去除光谱的相关关系。结果表明:盐粳939的加工品质较好,锦稻106(9系)的外观品质较好,锦稻香103的蒸煮品质较好,盘粳968(3系)的营养品质较好。原始光谱反射率与糙米率指标的相关关系较好,在731~1131 nm和1150~1360 nm两个波段内,相关系数高达0.767;糙米率与一阶导数光谱的相关关系最好,在1459 nm处达到极显著相关,相关系数为0.867;垩白度和垩白粒率均在1804 nm处与连续统去除光谱的相关关系较好,并达到极显著负相关,相关系数分别为-0.979和-0.983;长宽比与原始光谱的相关关系较好,相关系数在659 nm处达到最大值,为0.849;蒸煮品质所包含的食味值、直链淀粉含量和营养品质所包含的蛋白质含量均与连续统去除光谱有较好的相关关系。

重金属污染水体背景下的底质反射率光谱特征及其对离水反射率贡献影响分析

水体重金属遥感反演是水环境遥感领域中的难题,目前仍有相当多的基础性问题有待解决,而浅水区底质对离水反射率贡献规律是将来遥感反演模型精度其中一个重要影响因素,尤其在重金属污染这种特殊的背景下,揭示其贡献规律对提升水体重金属遥感模型精度有重要作用,测量结果对研究重金属尾矿底泥的反射率光谱特征以及区分常见水底底质有参考意义。首先利用光谱仪测量获得广东大宝山尾矿底质反射率,发现其在波长755、 1 280、 1 620和2 200 nm存在反射峰,有明显光谱特征,并与河床常见的粗沙、淤泥和石头三类底质反射率进行了对比分析,结果表明:一方面,粗沙和淤泥反射率呈一缓慢上升的曲线,与存在多个特征反射峰的矿区底泥有明显区别;另一方面,石头反射率则在波长范围550~650 nm出现一个宽而扁平的反射峰后随即在波长675 nm处出现波谷然后增大至波长750 nm后趋于平缓,其特征波长与矿区底泥均不一样。上述特征波长可作为重金属污染背景下底泥光谱的重要区分波段。测量水深为1 cm、 10 cm和深水区的离水反射率,结合水质遥感模型计算出1 cm水深情况下底质反射光、水体散射光,并将其对离水反射率贡献进行讨论。离水反射率测量结果表明,底质对浅水区影响极大,随着水深变浅,离水反射率总体不断被抬升。而水底反射光和水体散射光对离水反射率贡献规律则以波长515 nm为分界线,向短波方向以水体散射光贡献为主,向长波方向则以水底反射光为主,贡献量由底质反射能力和水体散射能力共同决定。对考虑了底质反射光后的遥感模型精度进行评价,模型计算得到波长范围350~950 nm内的离水反射率与野外测量值对比结果,二者具有显著的线性相关(R^(2)=0.964 2),相对误差在波长范围560~830 nm低于10%,甚者可低于5%,模型总体模拟精度较好,远比在不考虑底质影响时精度高,模型满足将来水中重金属遥感反演要求。研究结果对今后水体重金属遥感反演时处理底质影响提供了重要的参考数据和理论依据,有助推动该领域进一步发展。

基于光谱反射率的低照度图像增强方法研究

低照度图像增强技术是机器视觉研究热点之一,Retinex理论模型假设图像是反射分量与光照分量乘积,通过去除或校正光照分量并结合物体的反射特性来恢复图像,被广泛应用在传统算法和深度学习增强模型中。光谱反射率是颜色的指纹,多光谱图像比普通图像的信息量更为丰富。色度学理论和Retinex理论都认为图像的颜色特性取决于反射系数,但光谱反射率是基于仪器测量获得真实的数据,而图像反射分量是基于图像分解假设的数据,目前文献没有从光谱角度对低照度图像增强进行研究。受Retinex理论启发结合深度学习非线性拟合能力,用颜色的光谱反射率代替RetinexNet网络中的图像反射分量,用CIE标准光源的光谱功率分布代替网络中的图像照明分量,提出了一种基于光谱反射率的低照度图像增强方法。首先对图像数据库中正常光照图像进行光谱重建,构建低照度图像与正常光照的多光谱图像数据集。然后训练将低照度图像转换成多光谱图像的深度学习网络模型。任意低照度图像通过网络模型得到多光谱图像,多光谱图像根据色度学理论得到CIEXYZ三刺激值,再通过标准颜色空间转换到RGB颜色空间中显示。该方法在公开LOL数据集上进行训练与测试,结果表明在图像噪声抑制和颜色恢复方面都优于常用方法,证明该方法对低照度图像增强的优越性和有效性。

基于智能移动设备的低成本微型作物光谱反射率测量仪设计与实现

为实现作物生长信息的低成本、实时、无损监测,本研究基于光谱分析技术,选择395 nm和800 nm 2个波段,根据光学系统原理和小型化需求,进行基于智能移动设备的低功耗微型作物光谱反射率测量仪研发,包括封装壳体、光学系统和硬件电路设计及控制系统App开发;并使用积分球和ASD Fieldspec 4 Hi-Res地物光谱仪对测量仪4个通道(395 nm和800 nm太阳光接收通道和作物反射光接收通道)的测量值进行标定,并以反射率为20%、40%、60%、100%的4块标准灰度板为测量对象检验测量仪的准确性。结果表明:4个通道标定方程的决定系数均在0.9980以上,395 nm和800 nm反射率的均方根误差分别为1.46%和1.07%,平均绝对误差分别为1.17%和0.82%;4块标准反射率灰度板在395 nm和800 nm 2个波段测得反射率的相对误差分别小于2.0%和3.6%,变异系数分别在1.36%~4.17%和0.78%~2.36%。该测量仪体积32 cm^(3),质量仅20 g,且具有低成本、高精度、易操作、可升级等特性,可实现基于智能移动设备的作物生长实时监测。

基于反射光谱的油茶籽油掺伪量快速测定及特征波长特性研究

为了探索紫外-可见-近红外反射光谱测定油茶籽油掺伪量的方法,按照不同掺伪比例制备了244个油茶籽油掺伪大豆油、菜籽油、花生油、玉米油的样本,以自主搭建的实验平台采集所制备样本在200~1100 nm范围内的反射光谱。将原始光谱进行Savitzky-Golay(SG)-连续小波变换(CWT)预处理后,利用Kennard-Stone(K-S)算法以2∶1的比例将样本划分成校正集和预测集。采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、自主软收缩算法(BOSS)、迭代变量子集优化算法(IVSO)进行特征波长选择,分别建立基于支持向量机(SVM)、极限学习机(ELM)、随机森林(RF)的油茶籽油掺伪量快速预测模型,同时对特征波长的特性进行了研究。结果表明:原始光谱经过SG-CWT(L5)预处理和BOSS特征波长筛选后,建立的基于SVM的油茶籽油掺伪量快速预测模型能够鉴别掺伪量为1%及以上的油茶籽油,该模型在十折交叉验证和网格搜索法下得到最佳惩罚因子(c)和核函数(γ)分别为5.2780和0.1088,其预测决定系数(R_(P)^(2))、预测均方根误差(RMSE_P)、预测平均绝对误差(MAE_(P))分别为0.9985、0.0134、0.0102。特征波长聚集程度和陡度对模型预测结果存在一定影响。综上,建立的基于反射光谱的油茶籽油掺伪量快速预测模型预测误差小,预测效果较好。

基于非接触式漫反射光谱的人体肤色检测研究

当前有许多肤色检测技术出现,但在环境光变化的情况下很难检测出肤色。为了准确的检测肤色,本文提出了一种基于非接触式漫反射光谱的肤色检测方法,利用非接触式测量装置采集人体皮肤的漫反射光谱数据并将其作为测试样本,以采集的标准色卡的皮肤色号作为参考样本,随后建立支持向量机分类模型训练测试样本和参考样本,为测试样本定标色号,最后模型定标准确率达到了93.5%。结果表明,基于非接触式漫反射光谱的人体肤色检测,能够极大地提高肤色检测的准确性。

基于NSGA-Ⅱ算法选择光谱反射率重建样本的研究

为解决光谱反射率重建过程中训练样本数目庞大导致工作量大,重建精度不高等问题,提出一种基于NSGA-Ⅱ算法的光谱反射率重建样本选择方法。近日Liang等提出了一种从大量样本数据中选取具有代表性样本的新方法,定义光谱重建误差为均方根误差与拟合优度系数的乘积,以这一标准选择光谱重建误差最小的样本作为代表性样本进行光谱反射率重建。受Liang等人工作的启发结合NSGA-Ⅱ算法选择代表性样本,先对全体训练样本使用多项式回归算法和伪逆法进行光谱反射率重建,再使用NSGA-Ⅱ算法,设定两个目标函数,一个是所需代表性样本个数的光谱均方根误差的和,另一个是拟合优度系数倒数的和,令两个目标函数值最小。将经过NSGA-Ⅱ算法挑选出的Pareto等级为1的全部样本按照样本出现次数由高至低排序,以此顺序从高到低依次选为代表性样本,直至达到所需代表性样本个数。若从Pareto等级为1的样本集合中挑选的代表性样本数不足所需要的个数则选择下一等级出现次数最多且没有被选择过的样本直至代表性样本数达到需求。将1269块无光泽Munsell标准色卡按照样本下标划分为偶数色卡、奇数色卡,第一组实验用Munsell奇数色卡为全体训练样本,从Munsell偶数色卡中随机选择20个色块为测试样本。第二组实验选用Munsell偶数色卡为全体训练样本,从Munsell奇数色卡中随机选取20个色块为测试样本。第三组实验训练样本与第一组相同,RC24色卡为测试样本。将该方法与Mohammadi、Cao、Liang等提出的三种样本选择方法进行对比。通过实验得到使用NSGA-Ⅱ算法结合多项式回归与伪逆法选择的代表性样本重建的光谱反射率在均方根误差和色差两个指标上均优于现有的样本选择方法,并且该方法不限于特定系统,具有通用性。

基于相机RGB值的光谱反射率重建方法研究

光谱反射率重建技术可实现背景颜色数据准确校正和复制还原,以此为基础可设计实施高融合迷彩,为机动装备在不同背景环境下提供有效防护屏障,具有重要价值。参照光谱成像技术特点,根据颜色形成原理和三刺激值定量计算公式,通过控制单一变量法设计实验方案,提出加权平均光谱反射率重建方法(TWA),利用相机和光谱仪分别获取训练样本的成像系统响应值(RGB)和光谱反射率数据,对所提取的样本RGB值和光谱反射率数据分别采用传统最小二乘法(OLS)、正则化最小二乘法(RLS)、偏最小二乘法(PLS)、主成分分析法(PCA)和本文中提出的加权平均法(TWA)进行光谱反射率重建训练,获得光谱重建矩阵,最后利用光谱重建矩阵对测试样本响应值进行光谱反射率重建,并对实验结果进行分析,对比不同方法的光谱反射率重建效果。研究结果表明,加权平均法在光谱均方根误差SRMSE、平均拟合优度系数GFC、平均色差等指标上效果更优,重建所得光谱反射率精度更高,颜色校正效果更佳。

基于衰减全反射LED光谱的g-C_(3)N_(4)对亚甲基蓝表面的吸附

以SiO_(2)光导纤维为载体,通过溶胶-凝胶法将g-C_(3)N_(4)负载在SiO_(2)光导纤维表面形成一层均匀的薄膜,采用X射线衍射(XRD)、红外光谱(FT-IR)、扫描电镜(SEM)、瞬态荧光光谱(PL)、荧光电镜(LSCM)、Zeta电位等表征技术对样品进行表征。结果表明:g-C_(3)N_(4)均匀分布在SiO_(2)光导纤维表面,吸附亚甲基蓝分子后Zeta电位由-45.35 mV升高到-28.72 mV;FT-IR光谱中700 cm^(-1)处的吸收峰移动到667 cm^(-1)处,600 cm^(-1)处的吸收峰消失;PL光谱典型发射峰明显下降,这都说明了g-C_(3)N_(4)对亚甲基蓝分子有较好的吸附能力。利用SiO_(2)光导纤维对光全反射的特点并借助衰减全反射光谱原理,以红光LED为光源,光电倍增管为检测器,研究了g-C_(3)N_(4)对亚甲基蓝分子的表面吸附,采用Freundlich等温吸附模型和Langmuir等温吸附模型对实验结果进行了拟合。结果表明:g-C_(3)N_(4)对亚甲基蓝分子的吸附更符合Langmuir等温吸附模型,属于单分子层吸附而非多分子层吸附。

探测几何反射光谱测量系统设计

地物反射光谱是地面遥感的基础,现有的测量装置多基于复杂的机械传动平台与控制系统,整体结构庞大笨重、成本较高、便携性差。为解决上述问题,该文设计了一种探测几何反射光谱测量系统,该系统主要由探测几何支架、光谱采集系统、卤钨聚光光源、载物台四个部分组成,探测几何支架采用模块化设计,通过各组成模块的灵活装配定位,可实现较大的角度、距离探测几何范围,该系统采用一分多光纤,可实现较大的光谱波段覆盖范围。通过对该系统的试制与调试,以及地物样品光谱采集测试实验,验证了其探测几何及波段范围。该系统结构简单、互换性好、安装携带方便、实用性较强、满足室内与野外使用需求的特点。

基于反射光谱与神经网络的砂岩型铀矿岩性智能分类研究

砂岩型铀矿是一种重要的铀矿资源。岩心是揭示砂岩型铀矿成因环境和深部地质信息的直接反应。当前利用神经网络结合光谱进行岩性智能识别的研究主要针对地表岩石,而针对钻孔岩心的工作则相对较少。为了补充相关工作,以松辽盆地钱家店地区的钻孔岩心为对象,开展了针对氧化-还原带不同颜色和不同粒度砂岩样品的光谱收集。同时,利用Visual Basic+C混合编程技术,开发了基于岩石反射光谱与神经网络技术的岩性学习与自动分类模块。利用该模块,对砂岩光谱进行了特征学习,并利用学习结果对岩心光谱开展了岩性自动分类实验。结果表明:基于光谱的神经网络技术可对砂岩型铀矿中氧化带与还原带砂岩进行识别,也可识别不同颜色和不同粒度的砂岩,其识别的准确度取决于不同岩石光谱差异大小。此外,岩心表面的附着物会对识别结果产生影响,应在光谱测量前予以剔除。

基于全反射X射线荧光光谱测定污水痕量重金属元素

以Ga为内标,探究全反射X射线荧光光谱(TXRF)快速测定多质量梯度浓度多元素重金属溶液Mn、Fe、Co、Ni、Cu、Zn、As、Cd、Sn、Sb和Pb的可行性,并以实际生活污水为研究对象,比较分析了离心、过滤和消解3种预处理方式对测定污水中重金属元素的影响。实验结果表明,Mn、Fe、Co、Ni、Cu、Zn、As和Pb,较适宜用TXRF直接进行定量分析;Pb的Lα与As的Kα谱线重叠,致使As的回收率略高于其它元素;Cd、Sn和Sb元素,仅可用于趋势分析。当质量浓度为40和4 mg/L时,Mn、Fe、Co、Ni、Cu、Zn和Pb元素呈现出较高的准确度和精密度,回收率在99%~117%之间,相对标准偏差(RSD)处于1%~14%。随着质量浓度的逐渐降低,各元素的准确度和精密度表现出不同程度的下降,当质量浓度处于本次试验的最低水平4μg/L时,大部分元素的回收率与RSD已超出定量分析的要求。通过对生活污水的3种预处理方式进行比较,发现污水悬浮颗粒同样携带部分金属元素,经消解后,Mn、Fe、Co、Ni、Cu和Zn这6种元素的准确度和精密度最好,质量浓度范围在36~152μg/L之间,回收率均高于95%,RSD低于5%。综上所述,TXRF可直接对污水样品中的重金属元素进行快速的定性、定量分析,其精确度和准确度在很大程度上取决于元素种类、样品制备程序和待测元素的质量浓度,对于质量浓度低的样品可结合预浓缩技术以提高测量准确率。

直接进样-全反射X射线荧光光谱快速测定饮用水微量元素

相比于复杂的富集程序,饮用水中由于金属元素含量甚微,急需一种快速,简单和可靠的检测方法。全反射X射线荧光光谱法(TXRF)是一种方便快捷、定量简单的微量多元素同步分析方法,该方法所需要的样品少,测量时间短,无需预处理可实现对样品的直接分析。以镓(Ga)为内标,采用直接进样-TXRF法,探究了快速测定多质量浓度梯度多元素金属溶液的可行性,并将该方法应用于低矿物质饮用水中进行微量元素分析。实验结果表明,TXRF能直接提取溶液中的Al、K、Ca、Mn、Fe、Co、Ni、Cu、Zn、Sr进行同步测量,但是多次试验发现,Al、K、Ca作为轻质元素由于回收率明显偏离标准值,难以实现准确定量,究其原因是基体效应较大或元素的灵敏度较低,而其他元素均满足定量要求。通过对不同浓度梯度的标准样品进行测量,发现当金属元素浓度分别处于40 mg·L^(-1)、4 mg·L^(-1)、0.4 mg·L^(-1)、40μg·L^(-1)水平时,Mn、Fe、Co、Ni、Cu、Zn、Sr元素均呈现出很好的准确度和精密度,回收率(RR)稳定在80%~112%,相对标准偏差(RSD)处于3.6%~10.5%,检出限(DL)处于0.001~0.07 mg·L^(-1)。随着浓度梯度的逐渐下降,各元素的准确度和精密度开始表现出不同程度的下降,当质量浓度处于本文试验最低水平4μg·L^(-1)时,大部分元素(Mn除外)的回收率和RSD均明显偏离标准值。还利用直接进样-TXRF法,在低、中、高三个不同加标水平下对饮用矿物质水进行加标回收试验,结果表明,样本中Mn、Fe、Co、Ni、Cu、Zn、Sr元素含量基本处于几十个μg·L^(-1)水平,平均加标回收率在90%~110%之间,平均RSD小于12%,满足微量测定要求。综上所述,多元素测试结果表明,TXRF在对元素的选择上更适宜原子序数(Z>20)的中等重元素,对于组分含量在十几个μg·L^(-1)以上的水质样品,无需经过复杂预处理,可直接实现快速准确定量分析,对于环境中的超痕量样品需要使用预浓缩技术以提高测量准确率。

基于近红外反射光谱快速检测豆粕中掺假菜籽粕的研究

试验旨在研究豆粕中掺假菜籽粕的近红外反射(NIR)光谱定量分析方法。在豆粕中掺入0、5%、10%、15%、20%、25%、30%菜籽粕,每个掺杂水平30份重复样品(建模集样本20个,验证集样本10个)。采用傅里叶变换近红外光谱仪获取样品NIR光谱,使用化学计量学软件拟合建模集样品掺假比例的NIR光谱预测模型,验证集样本评价预测模型的准确度。结果表明,豆粕中菜籽粕掺假比例的NIR光谱预测模型的决定系数R2为0.983,交叉验证均方根误差(RMSECV)为1.30。菜籽粕掺假比例为5%、10%、15%、20%、25%、30%的NIR光谱预测值的相对误差分别为8.93%、12.20%、2.21%、1.17%、1.72%、1.69%。研究表明,使用NIR光谱可以对豆粕中菜籽粕的掺假量实现准确定量测定。

基于AZO的光谱选择性反射膜制备及其在聚光器中的应用研究

铝掺杂氧化锌(AZO)薄膜在红外波段具有高反射率的特性。设计了SiO_(2)/AZO/Al_(2)O_(3)/Glass/SiO_(2)光谱选择性反射膜。通过软件仿真和实验研究,探究了SiO_(2)、AZO、Al_(2)O_(3)薄膜的光学常数以及物理厚度对SiO_(2)/AZO/Al_(2)O_(3)/Glass/SiO_(2)薄膜光谱特性的影响,确定了光谱选择性反射薄膜的制备工艺参数。根据工艺制得了对可见光平均透射率接近90%、红外(2.5~20μm)平均反射率大于85%的光谱选择性反射膜,薄膜的辐射率为0.08~0.12。以表面镀有光谱选择性反射膜的玻璃作为线性菲涅尔式聚光系统中的二次聚光器窗口,设计了新型二次聚光器。光谱选择性反射玻璃有效阻挡了集热管的热辐射,使聚光器辐射热损失降低约66%。

仿植被可见光-近红外反射光谱特征的分散染料印花织物制备及其性能

针对传统仿植被印染伪装织物易出现“同色异谱”现象、印染工序复杂的问题,通过分散染料直接印花方法制备了可精确模拟常见绿色植被可见光-近红外(Vis-NIR)反射光谱特征的印花织物。研究了染料种类及含量、染料复配种类及比例、织物规格及含水量对涤纶印花织物Vis-NIR反射光谱特征的影响。通过计算印花织物与叶片反射光谱间的欧氏距离、光谱角和光谱相关系数,分析其仿植被Vis-NIR伪装性能,并测试其色牢度性能。结果表明:以240 g/m^(2)机织本白涤纶织物为基布,分散蓝NP-SBG、分散橙30、分散深蓝HGL复配质量比为2.5:2.0:1.1,含水量为120.9%时制备的印花织物,其光谱反射率曲线与绿色植被Vis-NIR反射光谱相似,与万年青叶片光谱曲线的欧氏距离为0.346,光谱角在400~780 nm波段为0.169°、在780~1350 nm波段为0.009°、在1450~1780 nm波段为0.094°、在2000~2350 nm波段为0.107°,光谱相关系数为0.997,达到一级高光谱伪装要求;同时该印花织物的褪色牢度、沾色牢度、耐干摩擦色牢度、耐湿摩擦色牢度均为5级,色牢度性能优异。

UV-Vis-NIR反射光谱表征粉体材料的能隙值的方法

运用涂膜法和UV-Vis-NIR反射光谱,提出了表征粉体材料能隙值的新方法。结果表明,当Vcoloed/VTiO2(有色粉体与钛白的体积比)小于5%时,通过反射光谱可得到表征材料在该波段吸波特性的Kubellka-Munk函数F,即F=(1-R∞)2/2R∞(R∞是涂层无限厚时的反射率)。将Kubellka-Munk函数F对波长(以电子伏特表示)作图,就可以得到表征材料能隙值的曲线。该方法操作简单,节省原料,同时由于去除了有色粉体粒子间的相互干扰,在实际研究中具有普遍性。

目标材料反射率谱测量实验

材料的可见光光谱特性,可以应用于土壤水分的估测,植物的叶绿素含量预测、蛋白质含量的预测、数字喷墨印刷图像的呈色控制、目标隐身与反隐身等多个领域。利用ATP9100地物光谱辐射计设计了目标材料反射率谱测量实验,实验内容包括:反射率谱的测试、定标、不确定度评估。实验设计了两组实验:(1)不同颜色材料的光谱反射率测试;(2)相同颜色不同反射率谱材料测试。实验(1)主要培养学生光谱反射率测试基本操作、不确定度分析以及不同颜色的光谱反射率分析能力;实验(2)主要是验证不同材料的“同色异谱”现象,从中引出可见光隐身与反隐身的发展,将最新的科研成果融入教学中。

基于漫反射光谱技术的安定剂测量方法

安定剂的检测是推进剂和发射药状态评估的重要环节。为实现安定剂的快速无损检测,研究了紫外-可见漫反射光谱法对安定剂进行定性定量检测的可行性。搭建了一套运用光纤传感的光谱测量系统,获取了3种安定剂样本的光谱。通过支持向量机(SVM)对光谱进行分类识别,运用主成分分析(PCA)可视化样本的聚类趋势;结合化学计量学方法,以N-甲基-4-硝基苯胺(MNA)470~500 nm波段的光谱强度作为特征数据通过偏最小二乘回归(PLSR)和主成分回归(PCR),建立了2个MNA的定量预测模型。结果表明:运用SVM算法可以对具有浓度变化的3种安定剂样本实现分类识别,在测试集中分类的准确率达到100%;2个定量预测模型的决定系数(R^(2))分别为0.9939和0.9946,模型外部验证的均方根误差(RMSE)最大为0.00023,可以对MNA进行定量表征。该方法在安定剂检测领域具有较大的应用潜力,并可扩展至其他检测领域。

基于阴影和周边区域色差的光照条件和光谱反射率计算方法

光照条件和光谱反射率对增强现实和场景渲染任务非常有用,但是通过仪器采集比较困难,因此根据普通图像计算光照条件和光谱反射率是重要的计算机视觉任务.本文设计了一种通过分析场景中的阴影区域和周边区域颜色之间的色差,无需训练数据即可计算场景的光照条件和光谱反射率的算法.在自然场景中,阴影区域由于遮挡只能接收和反射天空光,而其周边的非阴影区域则同时受到太阳光和天空光的影响.当阴影和非阴影区域有着相同的光谱反射率时,两块区域颜色之间的色差反映了被遮挡光源的信息.两块区域之间的颜色差异由光照条件造成,又以光谱反射率为联系.因此,可以利用这两种颜色之间的关系计算光照条件和光谱反射率.本文使用先验知识和模型公式化表达某一区域在光照下呈现在图像中的颜色,然后基于两种颜色以及两者之间的色差设计了一种优化算法,通过计算最优解来计算场景的光照条件以及光谱反射率.通过在多个数据集上的一系列对比实验,以及一个使用光照条件和光谱反射率来去除阴影区域的应用实验,证明了该算法的准确性.