44、基于高光谱和三色图像的颜色匹配函数学习

基于高光谱和三色图像的颜色匹配函数学习

1. 引言

准确捕捉和再现数字相机传感器获取的颜色是一个活跃的研究领域。数字相机由三个光谱宽带颜色传感器组成，这些传感器并非比色传感器，这意味着相机产生的 RGB 值并非与设备无关的 CIE 颜色匹配函数的线性组合，而且相机获取的颜色通常依赖于设备。

比色法侧重于相机获取颜色的准确性，而光谱学则研究场景中物体和光源吸收、透射、反射或发射的光谱。与三色传感器不同，多光谱和高光谱传感设备可以在宽光谱范围内的数十到数百个波段中获取波长索引的反射率和辐射率数据。近年来，多光谱成像在颜色恒常性、物体光谱特性分析以及带通滤波照明的最优复用等方面受到了新的关注。

以往的方法需要校准图表，并且在许多情况下需要复杂的设置和受限的环境。本文提出了一种使用两组图像（一组三色图像和一组高光谱图像）来学习颜色匹配函数的方法，该方法基于最大似然公式的推理过程，应用 EM（期望最大化）算法。

2. 背景

为了更好地理解高光谱图像中的光谱与三色相机颜色输出之间的关系，我们先了解图像辐射率的表达式。图像辐射率可以表示为：
[I(\lambda, v) = L(\lambda)P(\phi_i, \varphi_i, \phi_s, \varphi_s)S(v, \lambda)]
其中，(P(\cdot)) 是在方向 ((\phi_s, \varphi_s)) 上的平均散射功率，(L(\lambda)) 是在方向 ((\phi_i, \varphi_i)) 上照射到物体表面的光的功率谱，(S(v, \lambda)) 是波长 (\lambda) 处的表面反射率。

为了简化，我们使用 (R(\