基于RGB顏色信息聚類的光譜反射率重建

程青彪，陳廣云，王大文，李欣庭，馮 潔

（云南師范大學 物理與電子信息學院，云南 昆明 650000）

引 言

隨著數字技術的不斷發展，我國對于顏色精確復制的研究也在不斷向前推進。目前使用較多的顏色復制的方法是通過多光譜成像系統以及分光光度計，測出訓練樣本在各個波段的響應值以及不受其他條件干擾的光譜反射率，從而進行光譜反射率重建該方法能夠較好的完成顏色重建工作。所使用的方法主要包括偽逆法[1]、多項式擴展法[2]、主成分分析法（PCA法）[3-4]、BP神經網絡[5]等，其中，BP神經網絡是一種重建精度較高的方法。它將相機響應值與經過奇異值分解的訓練樣本的主成分系數進行建模，然后使用建立好的模型以及測試樣本的響應值得出測試樣本的主成分系數，將其與基向量結合完成光譜反射率的重建[5]。

使用BP神經網絡重建光譜反射率不可避免的需要用到訓練樣本與測試樣本，因此樣本的選擇對于重建精度也會產生較大的影響[6]。針對這一問題，研究人員也提出了許多樣本選取方法，主要包括Hardeberg提出的最小條件數選取方法[7]、Shen等提出的特征向量優化的顏色樣本選取方法[8]、Mohammadi等提出的光譜空間距離聚類的樣本選取方法[9]，以及龍艷群等提出的聚類方法[6]等。在選擇樣本時，使用聚類算法可以對樣本進行更精確的分類。龍艷群等[6]在實驗中采用的聚類方法主要是基于色度空間對于所有樣本進行聚類分析，即在CIEL*a*b*色度空間對樣本從a*、b*兩個維度進行聚類，然而，這種方法沒有包含樣本亮度信息。……