[发明专利]一种基于光谱反射率重建的织物图像颜色校准算法

说明书

本发明公开了一种基于光谱反射率重建的织物图像颜色校准算法，涉及织物图像颜色校正领域，解决了现有方法图像获取颜色失真影响重建精度的弊端，其技术方案要点是通过采集获取颜色训练样本；构建虚拟成像系统，计算出所有颜色训练样本的虚拟系统响应及其对应光谱反射率估计值；根据颜色空间转换公式进行颜色空间转换；采用定义的光谱重建误差评价函数，确定代表颜色训练样本；根据确定的代表颜色训练样本，获得实际成像系统的光谱响应函数；通过维纳估计法得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像，本发明的一种基于光谱反射率重建的织物图像颜色校准算法，提高了织物图像质量，得到了织物图像真实的纱线颜色信息。

技术领域

本发明涉及织物图像颜色校正技术，特别涉及一种基于光谱反射率重建的织物图像颜色校准算法。

背景技术

在织物生产和分析过程中，采用数字图像分析技术对织物图像进行特征提取、图案设计等，都是建立在织物图像颜色数据的基础上。然而，由于机器视觉缺乏自适应性和智能性，不具有颜色恒常性的特点，图像采集、传输和显示系统的变化都将引起图像颜色数据的变化，直接影响分析结果的准确性。因此，对织物图像的颜色数据进行必要的校正显得尤为重要。

研究表明，光谱反射率重建的校正方法可以在有效减弱光源和环境对图像颜色影响的同时，较好地实现图像颜色的校正。光谱反射率重建图像颜色校正的关键是从色卡的所有颜色中挑选出最具代表性的颜色样本用于光谱表征。而不同代表颜色训练样本选取的方法，在光谱精度及色度方面均有所不同，对校正后图像颜色的质量也会有所差异。近年来，Hardeberg提出了一种基于最小条件数的颜色选择方法；Cheung与Westland提出了4种基于颜色样本相互间距最大化的选择方法；Mohammadi等提出一种基于聚类的颜色挑选方法；Shen等提出了基于特征向量和基于虚拟成像系统的训练样本选择方法，针对已有方法未考虑实际成像系统特性的不足，又提出了一种代表颜色的分步选取算法。

然而，这些方法都是根据平均光谱均方误差最小作为判断条件选择代表颜色训练样本，虽然在减少颜色样本冗余的同时也表现了较好的光谱精度，但研究发现当光谱均方误差最小时，其重构颜色的色差未必是最小，因此不能保证这些方法选择的代表颜色训练样本可以有较理想的重建精度。

发明内容

本发明的目的是提供一种基于光谱反射率重建的织物图像颜色校准算法，能够解决上述问题，提高了织物图像质量，得到了织物图像真实的纱线颜色信息。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于光谱反射率重建的织物图像颜色校准算法，包括有以下步骤：

通过相机采集获取颜色训练样本与待校正织物图像，获得颜色训练样本与待校正织物图像的实际系统响应，通过分光光度计获取颜色训练样本的真实光谱反射率；

构建虚拟成像系统，定义虚拟光谱响应函数，计算出所有颜色训练样本的虚拟系统响应及其对应的光谱反射率估计值；

根据颜色空间转换公式，分别对所有颜色训练样本的真实光谱反射率和虚拟成像系统中计算获得的光谱反射率估计值进行颜色空间转换；

采用定义的光谱重建误差评价函数，根据全局误差最小原则确定代表颜色训练样本；

根据确定的代表颜色训练样本，利用光谱反射率重建算法计算获得实际成像系统下的转换矩阵；

通过维纳估计法根据根据实际成像系统下的转换矩阵对待校正织物图像各像素点的实际系统响应进行估计得到对应的重建光谱反射率，并通过颜色空间转换后获得重构的RGB图像。

作为优选，定义的虚拟光谱响应函数为

式中，1≤c≤3，1≤j≤31，c表示成像系统的通道响应；j表示光谱波段数；