杨卫平

1. 杨卫平 跨媒体颜色复制与多光谱成像技术 云南师范大学物理与电子信息学院 2005.07.24

2. 一. 跨媒体颜色复制 二. 跨媒体颜色复制技术简化 三. 基于色貌的CRT特性化及颜色复制 四. 基于色貌的LCD特性化及颜色复制 五. 多光谱成像与光谱重建 主要内容

3. 一. 跨媒体颜色复制 • 当前的跨媒体颜色复制主要集中在两个方面： 色度匹配 和 色貌匹配

4. T T T T T T T T T T T T T T = 不同设备色空间之间的变换 一. 跨媒体颜色复制 • 色度匹配是要求“色度真实”的颜色复制，主要是解决色空间的设备依赖问题。

5. 一. 跨媒体颜色复制

6. T T T T 与设备无关的 标准色空间 T T T = 每一个设备色空间到标准色空间的变换 T 一. 跨媒体颜色复制

7. 一. 跨媒体颜色复制 独立于色设备的颜色空间变换

8. 一. 跨媒体颜色复制 独立于色设备的颜色空间变换

9. 一. 跨媒体颜色复制 国际色彩联盟（ICC，International Color Consortium）提出了基于Profile的颜色管理系统，不论在理论上还是实践上，均已比较成功地解决了设备色空间不独立的问题。

10. 但是解决了色度匹配问题并不能实现色貌匹配。色貌不匹配是因为即使解决了色空间的设备依赖性问题，使两个颜色的CIE三刺激值（XYZ）相同，也只有在周围环境、背景、样本尺寸、样本形状、样本表面特性和照明条件等因素都相同的观察条件下，视觉感知才是一样（匹配）的。换言之，一旦将两个相同（XYZ）的颜色置于不同的观察条件下，则人的视觉感知会产生变化，这就是所谓的色貌现象。 一. 跨媒体颜色复制

11. 颜色置于不同的观察条件下，则人的视觉感知会产生变化颜色置于不同的观察条件下，则人的视觉感知会产生变化

12. 一. 跨媒体颜色复制 • 色貌现象 例如背景对色貌的影响 不同的背景色，会造成人对色彩的错觉，它不只造成颜色(色调)的“错误”感觉，也造成“错误”的灰度感觉。这点在颜色工程上，造成相当大的困扰，非常不好处理。由此也发展了很多的色貌模式(Color Appearance Model)来处理此问题。

13. A B A B 一. 跨媒体颜色复制

14. 输入设备色度特性 观察条件 JCH 图像 色貌模型正变换 XYZ图像 RGB图像 输入设备特性化 观察条件 色貌模型逆变换 评价 输入输出设备色域 X’Y’Z’图像 输出设备特性化 修正后的JCH图像 R’G’B’ 图像 色域 变换 输出设备 色度特性 一. 跨媒体颜色复制

15. Von Kries(1853~1928)的色适应模型 R0,G0,B0 R，G，B R’0,G’0,B’0 R’,G’,B’ 色貌模型的理论基础

16. CIECAM97s色貌模型的建立 • 输入量 • 颜色样本的三刺激值XYZ值 • 照明光源的白场三刺激值 • 背景的亮度因数 • 适应场的绝对亮度(cd/m2) • 观察条件参数（Viewing Condition) • 输出量 • 明度：Lightness • 彩度 : Chroma • 色相: Hue • 视亮度: Colorfulness • 色饱和度: Saturation

17. CIECAM97s色貌模型数学过程 对样本的XYZ进行色适应变换 对色适应变换后的信号进行非线性压缩 根据上述结果计算各色貌属性参数 色貌模型的逆计算

18. CIECAM97s色貌模型数学过程 色适应变换

19. CIECAM97s色貌模型数学过程 非线性压缩

20. CIECAM97s色貌模型数学过程 计算各色貌属性参数 灰度响应 明度Lightness 彩度Chroma 饱和度saturation 视彩度colorfulness 偏心因子 四原色相位

21. CIE于2002.09.26公布了CIECAM97s修正版本CIECAM02，对CIECAM97s模型的缺点进行了改进，补充了一些信息并更加趋向于实用。CIE于2002.09.26公布了CIECAM97s修正版本CIECAM02，对CIECAM97s模型的缺点进行了改进，补充了一些信息并更加趋向于实用。 CIECAM02可以被推荐用于色彩管理等应用场合。它是基于CIECAM97s，也是由色适应变换和预测相关属性的计算等式组成。 CIECAM02色貌模型

23. 一. 跨媒体颜色复制 Rosen等人（2001）和Masahiro Yamaguchi（2002）等人也提出了一个复杂的基于光谱的颜色复制系统。

24. 1. 不考虑真实性的直接复制 人工控制设备和算法的复制 2. 3. 输出 设备特性化 设备独立色空间 输入设备特性化 R’G’B’ 色域映射 输入设备 输出设备 RGB 5. 4. 输出设备特性化 输入设备特性化 颜色偏爱复制 色貌模型变换 XYZX’Y’Z’ 多光谱成像光谱重建系统 输入观察条件1 输出观察条件 输入观察条件2 一. 跨媒体颜色复制

25. 可以将跨媒体颜色复制归结为5个等级 一. 跨媒体颜色复制 考虑“人文真实”的颜色复制 考虑“色貌真实”的颜色复制 考虑“色度真实”的颜色复制 考虑“近似真实”的颜色复制 不考虑“真实”的颜色复制

26. 目前跨媒体颜色复制存在的问题 一. 跨媒体颜色复制 • ICC基于Profile的颜色管理系统较少考虑色貌因素 • 基于色貌模型的颜色管理系统由于参数较多、计 算复杂和应用条件严格，故难于应用推广。 • 基于光谱的颜色管理系统可以解决色貌模型的一些应用困难和提高复制精度。但技术复杂，尚不成熟，需进行广泛深入的研究。

27. 输入设备特性化 R’G’B’ 图像 视觉 匹配 RGB图像 XYZ图像 人工神经网络 XYZR’G’B’ 二. 跨媒体颜色复制技术简化 • 基于色貌的显示设备特性化方法 相当于CAM的逆变换 相当于CAM的正变换 R’G’B’图像 观察条件二 观察条件一 色适应与设备特性化结合的跨媒体颜色复制简化流程 该方法的核心： “视觉匹配”+神经网络

28. 在“视觉匹配”过程中将给定照明条件下的一个媒体的一些色貌因素“映射”到另一个媒体，把具体颜色传播媒介的颜色参数与通用的色貌属性参数（包括照明、背景、环境因素等）直接联系起来。是一种基于色貌的特性化方法。克服了以往特性化方法仅涉及色度参数的变换、与色貌脱离的问题。在“视觉匹配”过程中将给定照明条件下的一个媒体的一些色貌因素“映射”到另一个媒体，把具体颜色传播媒介的颜色参数与通用的色貌属性参数（包括照明、背景、环境因素等）直接联系起来。是一种基于色貌的特性化方法。克服了以往特性化方法仅涉及色度参数的变换、与色貌脱离的问题。 二. 跨媒体颜色复制技术简化

29. 三.基于色貌的CRT特性化及颜色复制 • 输入设备为数码相机（Canon PowerShot G2） • 采用神经网络特性化方法（6-20-20-20-3结构） RGBXYZ的非线性变换 • 训练样本869个，测试样本400个（Munsell色卡） 1. 基础工作：输入设备（数码相机）的特性化

30. 三.基于色貌的CRT特性化及颜色复制 • 泛化精度 泛化是指，对于从未在训练网络时使用过的测试数据（但属于同一个数据集），若网络计算的输入输出的映射对它们来说是正确（或接近于正确）的，则认为网络的“泛化”是很好的

31. 三.基于色貌的CRT特性化及颜色复制 • 训练样本集L*a*b*拟合图（6-20-20-20-3结构） • 测试样本集L*a*b*拟合图（6-20-20-20-3结构）

32. 三.基于色貌的CRT特性化及颜色复制 • 色差大于10的测试样本的分布图（6-20-20-20-3结构） 由于一张Munsell色卡分布着明度从9到2.5，彩度从1~14的色块，之间的差异很大。不论是平均测光还是重点测光，高明度的色块可能会曝光过度，而低明度再加上低彩度的色块可能曝光不足。因此，产生颜色信息的较大误差。从实用的角度来看，图像中太亮和太暗的颜色出现的几率都是很低的。低彩度的色块多为某一色调的边界点，神经网络的插值效果较差，导致误差增大。

33. 三. 基于色貌的CRT特性化及颜色复制 2. 核心工作：基于色貌的CRT特性化 • 实验方法及条件 • 办公室环境混合照明下不完全适应 • 采用同时双眼匹配技术（simultaneous binocular（SMB）matching technique）

34. 位置3 位置2 北 视觉匹配者 窗 位置1 三. 基于色貌的CRT特性化及颜色复制

35. a. 分色调训练 三. 基于色貌的CRT特性化及颜色复制 选择V = 3，4，5，6，7和C = 2，6，10或14共457个Munsell色卡作为训练样本集。样本对（XYZRGB）按照各自所属色调R（红），YR（黄红），Y（黄），GY（绿黄），G（绿），BG（蓝绿），B（蓝），PB（紫蓝），P（紫）和RP（红紫），分别训练出结构为3-7-7-3的10个神经网络。 • 网络结构 3-7-7-3 • 泛化效果 选择V = 3，4，5，6，7和C = 4，8或12共372个Munsell色卡作为测试集。

36. 5 3 4 2 1 8 9 6 7 10 三. 基于色貌的CRT特性化及颜色复制 其中：1~5是视觉匹配的Munsell色卡在CRT上的显示；6~10是神经网络的输出值在CRT上的显示，其中：6、8和10是训练样本，7和9是测试样本。

37. 三. 基于色貌的CRT特性化及颜色复制 训练样本集的实验结果（彩度差取绝对值）

38. 三. 基于色貌的CRT特性化及颜色复制 测试样本集的泛化效果（彩度差取绝对值）

39. b. 加入光源信息训练 神经网络模型 … x0 … y0 … R … … z0 … … G … x … … B y … … … Y … 三. 基于色貌的CRT特性化及颜色复制

40. 三. 基于色貌的CRT特性化及颜色复制 • 网络结构 6-20-20-20-3和3-20-20-20-3 • 泛化效果

41. 三. 基于色貌的CRT特性化及颜色复制 • 3-20-20-20-3结构训练样本集L*a*b*拟合图 • 3-20-20-20-3结构测试样本集L*a*b*拟合图

42. 三. 基于色貌的CRT特性化及颜色复制 c. 结果分析 • 采用色品坐标作为网络的输入矢量，可以减小网络 的全局误差，使网络尽可能地收敛到全局最小。这是因为，色品坐标可以将明度（Y）与色品坐标分离，不会因Y值的改变而改变，而三刺激值X、Y、Z均与明度有关，且相互之间均有联系。以色品坐标作为训练网络的输入参数，可以增加网络收敛的稳定性。

43. 实验中发现，在输入矢量中加入光源参数，可以加速网络的收敛和减小全局误差，使训练样本集有较小的平均色差。但在测试集中则会出现一些较大的色差。不加光源信号训练的网络，虽然全局误差相对较大，训练样本集的平均色差也不甚理想(色差超过10的样本有1个)，但在测试样本空间却有较理想的输出。对于这些现象，可以理解为由于输入矢量加入光源信号后，一方面使网络的结构趋于复杂，对输出样本产生了串扰。另一方面，“过训练”也会导致泛化效果的变差。实验中发现，在输入矢量中加入光源参数，可以加速网络的收敛和减小全局误差，使训练样本集有较小的平均色差。但在测试集中则会出现一些较大的色差。不加光源信号训练的网络，虽然全局误差相对较大，训练样本集的平均色差也不甚理想(色差超过10的样本有1个)，但在测试样本空间却有较理想的输出。对于这些现象，可以理解为由于输入矢量加入光源信号后，一方面使网络的结构趋于复杂，对输出样本产生了串扰。另一方面，“过训练”也会导致泛化效果的变差。 三. 基于色貌的CRT特性化及颜色复制

44. 色差较大的样本多集中于某几个彩度（例如C = 4，8）。这些色度值在Munsell色卡中，多为某一明度下的最大值，属边界点。因此误差较大。这一点与分色调训练相同。 三. 基于色貌的CRT特性化及颜色复制

45. 3. 评价：基于色貌特性化方法颜色复制的主观评价 三. 基于色貌的CRT特性化及颜色复制 • 实验条件 • 随机选取22个Munsell色块；办公室环境；组织了10名颜色视觉感知正常、经过培训的学生和2名专业老师共12人进行主观评价。其中，女性4名，男性8名，年龄在15~46岁之间。 • 评价方法 • 采用相对记分评价法（6分制），即把复制效果最好的色块定为6分，以复制效果最差的色块为0分

46. 办公室环境观察自发光体 2 办公室 环境观察 硬拷贝 CIECAM02逆变换JCH→X’Y’Z’ CIECAM02正变换XYZ→JCH 一般特性化X’Y’Z’→R’G'B’ 3 sRGB空间RGB→XYZ 办公室环境 基于色貌的特性化XYZ→R’G’B’ 1 数码相机图像RGB CRT R’G’B’ 特性化 RGB→XYZ Munsell色块 直接颜色复制RGB→R’G’B’ 4 三. 基于色貌的CRT特性化及颜色复制 四种跨媒体颜色复制方法示意图

47. 三. 基于色貌的CRT特性化及颜色复制 • 评价结果

48. 四. 基于色貌的LCD特性化及颜色复制 • 实验条件 符合CIE TC8-04（2004.07）的混合照明下的不完全适应的实验规定。全部视觉匹配在暗室进行，日光灯照明。 • 实验设备 1. 中国建筑色卡，实验中选择了共498个色样进 行视觉匹配。其中395个训练样本，103个测试 样本。 2. LCD（东芝TE2100笔记本电脑）

49. 四. 基于色貌的LCD特性化及颜色复制

50. 四. 基于色貌的LCD特性化及颜色复制 • 网络结构6-20-20-20-1（RGB）（XYZx0y0z0RGB）