引用本文
王霞, 廖宁放, 李亚生, 程灏波, 曹斌, 杨文明, 吝凯. 基于比较测量法的LCTF光谱相机光谱反射率重建研究[J]. 光谱学与光谱分析, 2018,38(1): 290-295.
WANG Xia, LIAO Ning-fang, LI Ya-sheng, CHENG Hao-bo, CAO Bin, YANG Wen-ming, LIN Kai. The Research on Reconstruction of Spectral Reflectance in LCTF Imaging System Based on Comparative Measurement[J]. Spectroscopy and Spectral Analysis, 2018,38(1): 290-295.
Doi:10.3964/j.issn.1000-0593(2018)01-0290-06  
Permissions
Copyright©2018, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
基于比较测量法的LCTF光谱相机光谱反射率重建研究
王霞1, 廖宁放1,*, 李亚生1, 程灏波1,2, 曹斌1, 杨文明1, 吝凯1
1. 北京理工大学教育部光电成像与系统重点实验室, 北京 100081
2. 北京理工大学深圳研究院, 广东 深圳 518057
*通讯联系人 e-mail: liaonf@bit.edu.cn

作者简介: 王 霞, 女, 1980年生, 北京理工大学教育部光电成像与系统重点实验室硕士研究生 e-mail: 151845148@qq.com

收稿日期: 2016-09-26
基金: 国家自然科学基金项目(61575020)资助
摘要

基于液晶调谐滤光片(LCTF)的光谱相机由于体积小、 功耗低、 集成方便, 适合多种搭载平台, 同时通过光谱反射率来识别目标物, 可以有效解决同色异谱的问题, 在伪装识别、 精细农产品产值估计等方面有很好的应用前景。 比较测量法因其能有效排除光照条件和场景背景条件的影响, 重建效率较高, 在光谱相机的光谱反射率重建中被普遍采用。 比较测量法通常采用标准白板作为参考物, 但实际应用中, 经常会遇到目标场景空间位置不便放置标准白板的情况。 针对这种情况, 研究采用LCTF光谱相机采集的目标场景中亮度高的颜色作为参考的比较测量法进行目标物的光谱反射率重建来解决上述问题。 实验以美国X-Rite的Gretg Macbeth Color Checker(MCC)色卡作为目标物, 分别参考亮度高的五个不同色块, 运用比较测量法完成红、 绿、 蓝三个色块的光谱反射率重建。 将重建后三个色块的光谱反射率与采用台式分光光度计(X-Rite Color Eye7000A)测量的标准光谱反射比进行比较。 结果显示, 重建后的红、 绿、 蓝三个色块的光谱反射率曲线与用分光光度计测量的标准光谱反射率曲线的形状基本相似, 每组曲线的均方根误差均小于0.05; 重建的蓝色色块的光谱反射率以参考与其光谱反射比接近的蓝绿色重建的效果最好; 重建的红色和绿色色块的光谱反射率以除白色外亮度最高的黄色为参考重建的效果最好; 二者均比参考标准白板的反射率重建效果好。 实验结果说明采用目标场景中亮度高目视效果明显的色块作为参考对象可被用来进行LCTF光谱相机的光谱反射率重建。 该方法有效扩大了比较测量法以及液晶调谐光谱成像系统的应用效率。

关键词: 光谱成像; 液晶调谐滤光片; 比较测量法; 光谱反射率
中图分类号:TP751.2 文献标志码:A
The Research on Reconstruction of Spectral Reflectance in LCTF Imaging System Based on Comparative Measurement
WANG Xia1, LIAO Ning-fang1, LI Ya-sheng1, CHENG Hao-bo1,2, CAO Bin1, YANG Wen-ming1, LIN Kai1
1. School of Optoelectronics, Beijing Institute of Technology, Beijing 100081, China
2. Shenzhen Research Institute, Beijing Institute of Technology, Shenzhen 518057, China
*Corresponding author
Abstract

The spectral camera based on the liquid crystal tunable filter (LCTF) can be used to different platforms due to its advantage of small volume, low power consumption and convenient integration. In addition, LCTF spectral camera identifies the color of the target in the scene according to the spectral reflectance characteristic of the target, which can address the problem of metamerism very well. Thus, LCTF spectral camera is also applicable to areas of camouflage recognition and estimation of production of fine agricultural products. The comparative measurement method, which can effectively discount effects of illuminant and background in the scene, has been widely used to reconstruct the spectral reflectance of the target. The comparative measurement method mainly adopts a standard white surface as a reference. However, in some scenes, because of the limitation of the space, it is very difficult to put in a standard white surface. In order to address this question, in this paper, a comparative measurement by referring to the bright targets in the scene obtained by LCTF spectral camera was proposed. In the experiment, five different surfaces in the Gretg Macbeth Color Checker (MCC) were respectively used as references to construct the spectral reflectance of red, green and blue surfaces in MCC. The reconstructed spectral reflectance of red, green and blue surfaces was compared with that measured by a spectrophotometer (X-Rite Color Eye 7000A). Results showed that reflectance curves reconstructed were basically similar with those measured by the spectrophotometer in the shape; root mean square errors for red, green and blue surfaces were all less than 0.05. For blue surface, the reconstructed reflectance was the most accurate by referring to blue-green surface whose reflectance was close to that of blue surface; for red and green surfaces, the reconstructed reflectance was the most accurate by referring to yellow surface which has the second-largest luminance after the white surface; the above reconstructed reflectance was more accurate than that by referring to the standard white surface. Results indicated that the proposed method by referring to the bright surfaces can be used to construct the spectral reflectance of the target very well in LCTF spectral camera. The proposed method is useful in the expansion of application fields of LCTF spectral camera.

Keyword: Spectral camera; Liquid crystal tunable filter; Comparative measurement; Reconstruction of spectral reflectance
引 言

每种物体固有的光谱反射率与设备和光源无关, 也比该物体表现出的颜色更能反映物体的本质特征。 基于光谱反射率进行目标识别能有效克服同色异谱问题, 在伪装识别、 精细农产品产值估计等方面有很好的应用前景。 对于新研制的光谱相机还能通过相机采集的目标的光谱反射率重建效果及目标的颜色再现效果评价相机性能。 对于光谱反射率重建的研究是随着光谱成像系统的发展而不断进步的。 常见的光谱反射率重建方法主要有: R矩阵法[1]、 主成分分析法[2]、 维纳估计法[3], 人工神经网络法[4], 比较测量法[5, 6]等。 随着液晶可调谐滤光片(LCTF)应用于多光谱成像系统, 液晶调谐光谱相机可快速采集几十个通道的光谱图像数据立方体, 数据精度提高, 数据量相应增大。 由于采集通道数足够多, 不需要插值和数学方法就可以直接建立较光滑的光谱曲线。 比较测量法应用与这种采集通道数多数据量大的光谱成像系统, 可以排除光源和测量系统光谱特性的影响, 重建算法简单重建效率高。 比较测量法的关键是采用标准白板作为参考, 但是实际应用中, 有时目标场景空间位置不便放置标准白板, 如目标在水下或是在空中时, 将不能采用比较测量法进行光谱反射率重建, 限制了比较测量法及光谱成像系统的应用范围。 因此研究建立一种直接选用目标场景中亮度高目视效果明显的颜色作为参考的比较测量法重建目标物光谱反射率的模型, 能有效解决目标场景中不存在标准白板时无法采用比较测量法完成目标物光谱反射率重建的问题。 参考物的选择原则是: 从目视效果上选择亮度高的单一颜色, 单一的颜色其光谱反射比容易测量, 亮度高光谱相机测量得到的信噪比高, 用作参比标准更容易得到光滑的光谱反射率曲线; 从测量数据上选择L* 值大a* b* 绝对值小的颜色, L* 值大则亮度高, a* b* 绝对值小对重建颜色的影响小。

1 系统介绍和相关理论
1.1 系统介绍

新研制的液晶调谐光谱相机由单色CCD、 液晶可调谐滤光片(LCTF)、 前置光学系统和管理软件组成, 光谱相机实物如图1所示。 该系统能够在440~700 nm可见光波长范围内快速实现27个波长光谱调谐, 光谱分辨率10 nm, 可快速采集27个通道的光谱图像数据立方体; 数据量化精度为12 bit, 所采集光谱图像DN(digital number)值最大4 095。 该相机采用的液晶可调谐滤光片(LCTF)是美国Cri公司生产的SINR-10VariSpec Fliter, 该LCTF的透过率曲线如图2所示, 在400~430 nm波段透过率不到5%, 440~700 nm透过率在5%~40%之间。 该相机采用美国Lumenera公司的LM165M(Mini Enclosed Monochrome Camera)MiniCCD, miniCCD采用高性能、 高灵敏度的2/3英寸CCD芯片, 图像采集速度在1 392× 1 024的分辨率下可以达到15 fps。 LCTF和miniCCD均采用USB接口供电和进行数据传输, 便于软件集成和开发。 基于LCTF和miniCCD组成的光谱相机体积小、 功耗低、 光谱调谐快, 可用于多种监测平台, 快速实现对目标物监测和识别[7]。

图1 LCTF光谱相机实物图Fig.1 LCTF Spectra camera

图2 LCTF透过率曲线Fig.2 Transmittance curve of LCTF

1.2 目标的光谱反射率重建模型

物体的光谱反射率是对物体精确识别的基础, 采用合适的方法重建目标的光谱反射率是光谱分析和光谱图像处理的重要应用, 在实际应用中选用比较测量法进行液晶调谐光谱相机的光谱反射率重建, 快速高效。 比较测量法是分光光度计测色用的基本方法, 基本原理就是选一个已知数据的标准物体, 样品测量时与其比较, 从而求得待测样品的数值。 由于标准白板在各个波段反射比高, 所以仪器测量值高, 常用作参考, 与之相比得到的光谱反射率曲线光滑。

参考标准白板的比较测量法光谱反射率重建模型[5]如式(1)所示

Rt(λ)=DNt(λ)DNw(λ)×Rw(λ)(1)

由式(1)可知, 在对目标物的光谱重建中, Rw(λ )为标准白板的光谱反射比, 其值为已知; 只要通过光谱相机采集的光谱图像取得标准白板的仪器响应值DNw(λ )和待测目标的仪器响应值DNt(λ ), 就可以计算出待测目标的光谱反射Rt(λ )。

由于光谱成像系统本身电子产品属性和环境因素, 系统存在一定暗电流Diceo, 且暗电流受温度影响很大, 因此在应用式(1)时应先扣除暗电流的影响, 校正后的反射率重建模型为

Rt(λ)=DNt(λ)-DNiceo(λ)DNw(λ)-DNiceo(λ)×Rw(λ)(2)

标准白板是应用该模型的关键, 当目标场景中不便取得参考白板时将无法通过比较测量法模型进行光谱反射率重建。 为了扩大LCTF高光谱成像系统的适用范围, 对模型进行改进, 选用待测场景中某一亮度高的颜色作为参考代替标准白板。 参考颜色的选择原则是亮度高, 则目视效果明显容易确定和测量, 仪器测量信噪比高, 用作参考重建出的光谱反射率曲线光滑。 又因为LCTF光谱成像系统采集通道数多, 由其采集的光谱图像重建出的光谱反射比的数据点数足以组成光滑的光谱反射率曲线。 采用目标场景中亮度高的颜色作为参考的比较测量法光谱反射率重建模型如下

Rt(λ)=DNt(λ)-DNiceoDNknow(λ)-DNiceo×Rknow(λ)(3)

Rknow(λ )为已知参考物体光谱反射率; DNknow(λ )为参考颜色仪器响应值; 待测目标的仪器响应值由光谱相机采集的光谱立方体获得。 用模型(3)重建光谱反射率不需要在目标场景中另外放置参考白板, 直接取目标场景中亮度高的点作为参考, 实用性强, 应用更灵活。

2 实验部分

实验在暗室中Datacolor的标准多光源灯箱中放置目标物, LCTF光谱相机在一定距离处采集目标的光谱图像数据立方体。 该灯箱可提供标准D65, A, TL84和UV光源。 由于实际生活中对目标的观测和识别通常在日光下进行, 所以实验中需要的照明光源应具有模拟真实日光的光谱功率分布, CIE推荐的标准光源中的D65光源能满足这一要求。 D65标准光源又称国际标准人工日光(artificial daylight), 其色温为(6 500± 200) K, 照度均匀度> 80%, 光谱稳定, 显色指数> 96%。 目标物采用美国X-Rite的标准Gretg Macbeth Color Checker 24色卡(6× 4)简称MCC色卡。 实验流程如图3所示。 标准MgO白板如图3中圆形白块; 测量色块标准光谱反射率采用美国X-Rite公司生产的ColorEye7000A台式分光光度计, 光谱分辨率可达1 nm。

图3 实验流程图Fig.3 Procedure of experiment

实验时用分光光度计测出MCC色卡上24个色块的光谱反射率曲线, 作为参考和对比标准, 测量结果如图4, 色块编号与图3中目标色卡24色块位置对应。

图4 参考白板及24色块标准光谱反射率曲线Fig.4 Standard reflection curves of macbeth checker color

用LCTF光谱相机采集MCC色卡光谱图像数据立方体时, 先对LCTF多光谱相机参数进行设置: 按光谱通道对光谱相机的曝光时间和图像增益进行设置, 保证相机在其光电转换的线性范围内成像, 且采集的光谱图像的DN值不大于数据量化精度12 bit的量化范围即4 095。 系统参数设定好后, 在相机的镜头前盖上遮光罩, 测量在没有外界光源时相机的暗电流噪声DNiceo。 然后用LCTF多光谱成像系统采集标准多光源灯箱中D65光源下MCC色卡的光谱图像数据立方体, 读取每个色块及MgO白块27个光谱通道DN值和暗电流值, 采用重建模型(3)分别参考MgO白块、 18号色块蓝绿色、 16号色块黄色、 12号色块橙黄色和11号色块黄绿色五个不同色块, 重建出13号蓝14号绿和15号红三原色的光谱反射率曲线。

3 结果与讨论

重建的光谱反射率曲线和“ 标准反射率曲线” 比较结果如图5所示。 由图中可看出, 红色和绿色整体重建效果较好, 重建光谱反射率曲线与分光光度计测量的标准光谱反射率曲线走势相同、 形状相似; 蓝色重建效果较差, 尤其在440~500 nm部分重建误差较大, 结合LCTF透过率曲线可以看出, 在440~500 nm光谱范围LCTF透过率较低, 因此对该光谱范围的光利用率低, 造成重建误差较大。

图5 重建的光谱反射率曲线与标准曲线对比
(a): 蓝色色块; (b): 绿色色块; (c): 红色色块Fig.5 Comparison of constructed spectral reflectancecurves with measured ones
(a): Blue surface; (b): Green surface; (c): Red surface

由于均方根误差是用来衡量观测值同真值之间的偏差[8]。 本文采用均方根误差来定量评价图4中重建的和标准光谱反射率曲线的偏差, 计算公式如式(4)

ERMSE=∑i=1n(Xtest, i-Xstandard, i)2n-1(4)

为了进一步验证光谱反射率的重建效果和LCTF光谱相机成像性能, 在CIE1976LAB均匀色度空间中基于参考不同色块重建的红绿蓝色块的光谱反射率计算出一组L* a* b* 值, 基于分光光度计测量的红绿蓝的标准光谱反射率计算出一组L* a* b* 值, 由这两组值计算相应的色差Δ Eab* [9]。 参考五种不同色块重建的红绿蓝三原色的均方根误差和色差结果如表1所示。

表1 参考五种不同色块重建的红绿蓝三原色的光谱反射率曲线重建精度比较 Table 1 Comparison of constructed reflectance based on five referencesurfacesin terms of RMSE and Δ Eab*

如表1均方根误差和色差的计算结果所示, 红绿蓝三色块在CIELAB空间的色差值较大, 且与光谱反射率重建效果一致。 这是由于该LCTF光谱相机的组成结构是直接将LCTF放置于标准光学镜头和CCD之间, 对成像质量和光能的利用有很大影响, 容易造成采集的光谱图像存在畸变和色差[10], 这需要将光谱相机的组成结构进行调整加以改善。 对于5种不同参考的重建效果比较, 对于蓝色色块, 参考18号蓝绿色块重建效果最好, 这是因为在比较测量法中参考标准与待测目标的光谱反射比规律越相近, 重建精度越高; 对于绿色和红色块, 参考16号黄色重建效果最好, 这是因为在这几种参考色中除白色外黄色光谱反射比最高, 仪器测量时信噪比高, 测量误差小, 以该颜色为参考重建误差也小; 从重建曲线和误差分析可以得出虽然标准MgO白块光谱反射比最高, 但由于与色卡材质不同, 反光特性存在差异, 参考MgO重建的目标光谱反射率曲线效果并不是最好的。 因此在实际应用中应该根据具体目标和环境来选择参考物。

4 结 论

通过光谱相机采集的目标的光谱反射率重建能有效识别目标物克服色度图像识别中的同色异谱问题, 并且针对新研制的LCTF光谱相机还能从目标的光谱反射率重建效果分析相机的成像性能, 为相机的优化提供参考数据。 针对成像速度快、 采集光谱通道数多的液晶调谐光谱相机, 建立采用目标场景中的颜色为参考的比较测量法快速重建目标的光谱反射率的模型, 该模型简单实用性强, 不受光源和目标环境限制。 而且解决了传统以标准白板为参考的比较测量法中, 不能取得参考白板便无法完成光谱反射率重建的问题。 采用比较测量法重建液晶调谐光谱相机采集目标的光谱反射率, 可以采用目标场景中亮度高的颜色作为参考, 这样大大提高了比较测量法和液晶调谐光谱相机的应用范围。

The authors have declared that no competing interests exist.

参考文献
[1] ZOU Ji-ping, YANG Jia, LI Hong-ning, et al(邹纪平, 杨葭, 李宏宁, 等). Acta Optica Sinica(光学学报), 2014, 34(s2): s233001. [本文引用:1]
[2] YU Hai-qi, LIU Zhen, TIAN Quan-hui(于海琦, 刘真, 田全慧, ). Imaging Science and Photochemistry(影像科学与光化学), 2015, 33(2): 161. [本文引用:1]
[3] WANG Li-mei, KONG Ling-jun(王丽梅, 孔玲君). Parkaging Engineering(包装工程), 2015, (19): 125. [本文引用:1]
[4] LIU Dong, FU Wan-ying(刘东, 付婉莹). Parkaging Engineering(包装工程), 2015, (7): 103. [本文引用:1]
[5] TIAN Li-xun, LIAO Ning-fang, WANG Jia-jia(田立勋, 廖宁放, 王佳佳). Optical Technique(光学技术), 2012, (5): 593. [本文引用:2]
[6] CHEN Zhong-wei, ZHANG Ling-jiang, WANG Hong-bin(陈中伟, 张凌江, 王虹斌). Journal of Harbin Engineering University(哈尔滨工程大学学报), 2010, 31(3): 377. [本文引用:1]
[7] LI Ke, ZHANG Kang-wei, LUO Miao (李珂, 张康伟, 罗淼). Infrared and Laser Engineering(红外与激光工程), 2013, 42(3): 675. [本文引用:1]
[8] JING Xin, YUE Tian-xin, ZHENG Li(靖新, 岳田鑫, 郑莉). Journal of Shenyang Jianzhu University·Natural Science(沈阳建筑大学学报·自然科学版), 2014, (1): 175. [本文引用:1]
[9] JI Zhi-xuan, QIN Feng, XU Hai-bin, et al(季芷萱, 秦锋, 许海滨, 等). Journal of Yunnan Normal University·Natural Science(云南师范大学学报·自然科学版), 2012, 32(6): 52. [本文引用:1]
[10] WANG Wei, SHEN Zhi-xue(汪伟, 沈志学). Acta Photonica Sinica(光子学报), 2015, 44(7): 139. [本文引用:1]