[发明专利]一种用于宽带光谱成像系统的最优化训练样本选择方法

说明书

技术领域

本发明属于宽带光谱成像中光谱重建技术领域，具体涉及一种基于宽带光谱成像系统光谱重建误差最小化的最优训练样本选择方法。

背景技术

光谱成像技术目前是国内外颜色与影像科学领域数字成像的主流技术之一。此项技术以光谱作为物体表面真实色彩“指纹”性表征为核心依据，通过建立的光谱成像系统，对物体表面的光谱数据值进行拍摄记录。目前的光谱成像系统主要分为两类，一类是窄带光谱成像系统，由窄带滤光片或窄带光源配合光电记录元件组成；一类是宽带光谱成像系统，由宽带滤光片配合三通道或单色CCD数码相机组成，首先获得物体表面多通道数字响应信息，然后通过光谱重建技术计算得到物体表面的光谱反射率信息。

宽带光谱成像系统中，物体表面光谱反射率重建一般要先获得典型代表性训练样本，通过训练样本计算由多通道数字响应信号到光谱反射率值的转换矩阵，完成光谱反射率重建。根据实际研究，实际一些标准色靶和样本集包含大量的冗余色块，选用其中少数部分色块便能表征标准色靶几乎全部光谱和色度特征信息。而目前常用一些标准色靶(如GretagMacbeth ColorChecker DC(CCDC)，ANSI IT8charts以及Munsell Surface Colors等)作为训练样本进行光谱重建工作，但这些色靶大部分具有较多数量的颜色色块，这给光谱成像过程中的数据处理带来了巨大的工作量。

目前业界解决此类问题的主要方法是选取一定数量的色块表征标准色靶的全部光谱和色度特征信息，同时提出了许多样本选择方法，比如基于最小条件数训练样本选择方法，基于光谱聚类分析的训练样本选择方法，基于空间距离分析挑选最优训练样本的方法和基于特征向量分析的训练样本选择方法等。需要指出的是，上述训练样本选择方法均是基于对样本集自身的特征分析，虽然能够有效的重建全部样本集的光谱反射率，但是并没有考虑和联系实际的光谱成像系统特性，导致选择的训练样本集在实际光谱成像过程中并非最优的训练样本集。对于上述问题，目前学术界及工业界都尚未提出从实际光谱成像系统特性角度实现最优训练样本选择的方法。

发明内容

本发明的目的是为了解决背景技术中所述问题，提出一种用于宽带光谱成像系统的最优化训练样本选择方法。

本发明所采用的技术方案是：一种用于宽带光谱成像系统的最优化训练样本选择方法，其特征在于，包括以下步骤：

步骤1：搭建实际宽带光谱成像系统；

步骤2：对光谱成像系统的暗电流水平、光源稳定性、光照不均匀性、各通道线性化响应程度进行标定；

步骤3：准备光谱成像常用的样本集Θ，包括标准色靶或自制色靶，利用专业测量设备测量获取样本集Θ的光谱反射率信息r；

步骤4：用标定后的真实光谱成像系统对样本集Θ进行拍摄，并根据步骤2对光谱成像系统的标定结果对拍摄的样本集进行校正，获得颜色样本集校正后的数字响应信号值d；

步骤5：利用伪逆方法作为训练样本选择时的光谱重建方法，从选择第一个训练样本开始，针对样本集Θ中的每一个样本ri，利用伪逆方法计算得到样本对应的转换矩阵T；然后对样本集Θ进行光谱重建；以光谱重建误差(root mean square，RMS)作为评价指标，挑选出光谱重建误差最小的一个样本作为第一个训练样本s₁；此时，训练样本集中的第一个样本Ω₁被选定；以此类推，在挑选剩余的第2个到第k个训练样本；

所述的转换矩阵T为：

T＝r_i·PINV(d_i)    (式一)；

式一中，d_i表示与r_i对应的第i个样本的系统响应信号值；

所述的对样本集Θ进行光谱重建的公式为：

r^=T·d]]>    (式二)；