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(xué) 物理與電子信息學(xué)院，云南 昆明 650000）

引 言

隨著數(shù)字技術(shù)的不斷發(fā)展，我國對于顏色精確復(fù)制的研究也在不斷向前推進(jìn)。目前使用較多的顏色復(fù)制的方法是通過多光譜成像系統(tǒng)以及分光光度計，測出訓(xùn)練樣本在各個波段的響應(yīng)值以及不受其他條件干擾的光譜反射率，從而進(jìn)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(jīng)網(wǎng)絡(luò)[5]等，其中，BP神經(jīng)網(wǎng)絡(luò)是一種重建精度較高的方法。它將相機響應(yīng)值與經(jīng)過奇異值分解的訓(xùn)練樣本的主成分系數(shù)進(jìn)行建模，然后使用建立好的模型以及測試樣本的響應(yīng)值得出測試樣本的主成分系數(shù)，將其與基向量結(jié)合完成光譜反射率的重建[5]。

使用BP神經(jīng)網(wǎng)絡(luò)重建光譜反射率不可避免的需要用到訓(xùn)練樣本與測試樣本，因此樣本的選擇對于重建精度也會產(chǎn)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(shù)選取方法[7]、Shen等提出的特征向量優(yōu)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(jìn)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(jìn)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(jìn)行聚類，然而，這種方法沒有包含樣本亮度信息。……