基于人眼视觉和残差补偿的光谱降维模型的研究

摘要：

传统主成分(PCA)光谱降维方法利用数学的方法,保证降维后的重构光谱与原光谱在形状上尽可能相似,但是传统PCA降维过程中无差别的对待每一个波段的光谱数据,而人眼视觉对不同波段的光谱敏感程度不同,会造成有时候虽然光谱误差较小,但是人眼看上去色差较大的情况.在保证光谱误差的同时,为了能够有效的减少源光谱与重构光谱的色度误差,提出了两种基于人眼视觉的加权函数对传统PCA降维方法进行优化,并利用残差光谱对模型进行补偿.实验过程以Munsell色卡作为训练样本,Munsell色卡和多光谱图像"young girl"作为测试样本,然后利用本文提出的加权函数进行PCA降维并重构,并与相关文献提出的方法进行了对比.实验结果表明,提出的两种加权算法,与其他算法相比,无论是色度精度还是在变光源的稳定性方面,都有显著地提高.

关键词：主成分分析、人眼视觉加权、光谱降维、残差补偿

所属期刊栏目：37

分类号：O432.3(光学)

资助基金：National Natural Science Foundation Issues61301231;the Science and Technology Development Project in USST16KJFZ017

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1601-1605