基于BP神经网络的数码相机特性化

    1 引 言

    数码相机记录一幅图像依赖于三个因素:场景的物理内容、场景的直接照明环境和数码相机的性能。其中,数码相机的光谱响应特性决定了它的应用。如果数码相机可以响应全可见光,就可以用于各种场合,例如机器视觉、颜色复制和视频、图像信号处理等。

    但实际上,数码相机具有的光谱响应性能几乎不能应用于这些领域。以颜色复制为例,准确控制数码相机复制颜色较为困难。这是因为数码相机的RGB色空间是依赖于设备的。即对于同一个场景,不同的数码相机所输出的RGB是不同的。同时,对于同一台数码相机,其RGB空间到设备独立的CIEXYZ空间的变换是非线性关系。对于一个具体的数码相机,其CCD传感器的光谱响应不同于设备独立的CIE的颜色匹配函数。也就是说,数码相机/看0到的颜色,不同于人的视觉系统所感知的颜色。因此,通常我们需要将数码相机特性化(Character-ization),就是确定设备的色空间(例如RGB色空间)和CIE色度系统(例如XYZ)之间的对应关系。

    2 设备特性化方法

    设备的特性化是图像设备真实复制颜色的基础。特性化方法一般可分为两种:基于光谱响应方法和基于目标色的方法。

    基于光谱响应的特性化方法需要使用单色仪或辐射计测量出数码相机的光谱响应。找出数码相机的光谱响应和CIE的颜色匹配函数之间的关系,从而实现XYZyRGB或RGByXYZ的变换。

   基于目标色的特性化方法,其基本思想是使用一个包含一定数量颜色样本的参考目标色。这些样本色被数码相机拍摄和用分光光度计测量,分别获得它们的RGB和XYZ值。其优点是只需要知道目标色的XYZ值即可,是一种更加实用的方法。典型的算法有:三维查表法(3D-LUT)、多项式法[1]和神经网络法[2,3]。

    建立一个LUT表是一项繁重的工作,需要做大量的实验。而且基于一种特定的设备所建立的LUT表对其它设备不具有可移植性。因此,国内外颜色科学工作者一直在探索其它更为简便和实用的设备特性化方法,出现了多项式和神经网络等优化方法本文介绍一种基于Munsell系统的神经网络特性化数码相机的方法。

    3 数码相机的特性化

    3.1 实验设备和条件

    我们采用了一个WISE PRINTING SHOP思慧标准灯箱,D65施照态,照度为900cd/m2;CanonPowerShot G2数码相机,广角末端,让色卡充满画面,RAW记录格式,自动白平衡;手动聚焦,手动曝光,重点测光,曝光时保证曝光补偿为?0;Munsell新标色卡,其D65下的XYZ值来源于ftp:Mcs.joensuu.fi。灯箱预热10min,数码相机开机后2min拍摄。