本發(fā)明涉及一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，具體涉及一種基于低分辨率超光譜圖像、相同場景高分辨率rgb圖像以及光譜響應(yīng)曲線訓(xùn)練集的相機(jī)光譜響應(yīng)曲線標(biāo)定方法，屬于計(jì)算攝像學(xué)領(lǐng)域。

背景技術(shù)：

不同的彩色相機(jī)在拍攝相同場景時，得到的圖像常常會有色差，這是由于相機(jī)內(nèi)部的硬件差別所導(dǎo)致的。這些差別包括ccd圖像傳感器的感光特性差異、拜耳濾光片的差異等。這些差異可以表現(xiàn)為相機(jī)在三個通道的光譜敏感度的差異。為了描述相機(jī)的光譜敏感度，廠家常常會提供相機(jī)的光譜響應(yīng)曲線，表示相機(jī)的每個通道在整個光譜域的響應(yīng)，這樣的曲線通常以波長為橫坐標(biāo)，以相對響應(yīng)為縱坐標(biāo)。

彩色相機(jī)的光譜響應(yīng)曲線在一些工業(yè)應(yīng)用中有重要意義。例如，近年來興起的單次曝光的超光譜成像技術(shù)。這種技術(shù)的一種實(shí)現(xiàn)是，使用rgb彩色相機(jī)拍攝場景的高分辨率rgb圖像，同時使用超光譜相機(jī)拍攝相同場景的低分辨率超光譜圖像，使用某種方法將兩者融合，得到高分辨率超光譜圖像。這種技術(shù)要求rgb相機(jī)的光譜響應(yīng)曲線必須已知。

對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定，傳統(tǒng)的方法會使用待標(biāo)定相機(jī)拍攝多個波長的單色光源，同時記錄相機(jī)的響應(yīng)。這種方法雖然可以得到精確的光譜響應(yīng)曲線，但是它的缺點(diǎn)是需要昂貴的設(shè)備，且標(biāo)定過程耗時長。根據(jù)超光譜成像圖像融合平臺的特點(diǎn)，近年的技術(shù)中也提出了僅利用平臺拍攝的高低分辨率兩張圖像標(biāo)定rgb相機(jī)光譜響應(yīng)曲線的方法，但是這些方法在圖像中具有噪聲時，性能會急劇下降，導(dǎo)致光譜響應(yīng)曲線標(biāo)定不準(zhǔn)確，從而降低超光譜成像的精度。

技術(shù)實(shí)現(xiàn)要素：

從現(xiàn)有應(yīng)用對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定需求出發(fā)，針對傳統(tǒng)技術(shù)中rgb相機(jī)光譜曲線標(biāo)定方法存在的復(fù)雜、昂貴的缺點(diǎn)，以及基于圖像融合平臺的rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法中存在的對噪聲敏感的缺點(diǎn)，本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，要解決的技術(shù)問題是提供一種適用于超光譜成像的圖像融合平臺的rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，具有步驟簡單快速、不需要昂貴標(biāo)定設(shè)備，且在圖像具有噪聲的情況下仍能保持標(biāo)定精度的優(yōu)點(diǎn)。

為達(dá)到以上目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，分為訓(xùn)練階段和使用階段。訓(xùn)練階段在相機(jī)光譜響應(yīng)曲線的訓(xùn)練集中，把每個相機(jī)光譜響應(yīng)曲線分為紅色、綠色、藍(lán)色3個通道；對所述每個通道的所有光譜響應(yīng)曲線，使用字典學(xué)習(xí)方法求解稀疏字典。使用階段利用超光譜成像的圖像融合平臺，以所述待標(biāo)定rgb相機(jī)拍攝高分辨率rgb圖像，并使用超光譜相機(jī)拍攝相同場景的低分辨率超光譜圖像；根據(jù)所述兩張圖像和三通道的稀疏字典，使用稀疏編碼方法求解所述待標(biāo)定相機(jī)的光譜響應(yīng)曲線，從而完成對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定。

本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，分為訓(xùn)練和使用兩個階段，包括如下步驟：

步驟一：訓(xùn)練階段用于根據(jù)rgb相機(jī)光譜響應(yīng)曲線訓(xùn)練集，使用字典學(xué)習(xí)方法得到紅色、綠色、藍(lán)色三個通道的光譜響應(yīng)稀疏字典。

步驟1.1：在相機(jī)光譜響應(yīng)曲線的訓(xùn)練集中，將每個相機(jī)光譜響應(yīng)曲線分為紅色、綠色、藍(lán)色三個顏色通道；

步驟1.2：對步驟1.1中紅色、綠色、藍(lán)色三個顏色通道的所有光譜響應(yīng)曲線，使用如公式(1)所示字典學(xué)習(xí)方法求解稀疏字典。

其中φq表示第q個通道的稀疏字典，xq表示q通道的所有原始響應(yīng)曲線，βq表示稀疏編碼，η表示稀疏項(xiàng)的權(quán)重，||·||f表示矩陣的弗羅賓尼斯(frobenius)范數(shù)，||·||1表示矩陣的1-范數(shù)；

求解公式(1)的方法優(yōu)選：k-svd算法，最佳方向(mod)法，在線字典學(xué)習(xí)(odl)法，主成分分析(pca)法，頂點(diǎn)成分分析(vca)法；

步驟二：使用階段根據(jù)步驟一得到的紅色、綠色、藍(lán)色三個顏色通道的稀疏字典，采集的低分辨率超光譜圖像和高分辨率rgb圖像，得到rgb相機(jī)的光譜響應(yīng)曲線。

步驟2.1：使用超光譜成像的圖像融合平臺，以待標(biāo)定rgb相機(jī)拍攝高分辨率rgb圖像，并使用已標(biāo)定的超光譜相機(jī)拍攝相同場景的低分辨率超光譜圖像；

步驟2.2：根據(jù)步驟2.1得到的高、低分辨率兩張圖像和步驟一中得到的稀疏字典，求解如公式(2)所示優(yōu)化方程得到稀疏編碼；

其中αq表示所述稀疏編碼，h表示所述低分辨率超光譜圖像的矩陣表示，mq表示所述rgb圖像的q通道的矩陣表示，s代表高分辨率圖像和低分辨率圖像之間的空間下采樣矩陣表示，η表示稀疏約束的權(quán)重；

求解公式(2)的方法，優(yōu)選正交匹配追蹤(omp)算法，最小角回歸(lars)算法，迭代軟閾值(ista)算法，交替方向乘子(admm)算法；

步驟2.3：利用步驟一得到的稀疏字典和步驟2.2得到的稀疏編碼，根據(jù)公式(3)和(4)求解所述待標(biāo)定相機(jī)的光譜響應(yīng)曲線，從而完成對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定。

其中表示q通道光譜響應(yīng)曲線的估計(jì)值。

有益效果：

1、現(xiàn)有技術(shù)中基于圖像融合平臺的rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法，由于僅利用了高分辨率rgb圖像和低分辨率超光譜圖像之間的相等關(guān)系，在兩張圖像中具有噪聲時會導(dǎo)致標(biāo)定不準(zhǔn)確；本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，由于步驟1.2中在訓(xùn)練集中使用了稀疏字典，且步驟2.2中利用稀疏字典進(jìn)行了稀疏編碼，使標(biāo)定結(jié)果對噪聲不敏感。

2、相比傳統(tǒng)的rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法需要多次曝光，本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，由于步驟2.1采集圖像時只需要進(jìn)行一次曝光，因此標(biāo)定速度快。

3、本發(fā)明公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，標(biāo)定過程中由于步驟2.1只需要利用已有的圖像融合平臺中的設(shè)備，相比傳統(tǒng)rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法不需要額外昂貴的標(biāo)定設(shè)備，可以節(jié)省標(biāo)定成本、降低標(biāo)定過程的復(fù)雜度。

附圖說明

圖1是本發(fā)明公開的rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法的流程圖。

圖2是本發(fā)明公開的rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法使用的圖像融合平臺的示意圖。

圖3是公開的rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法標(biāo)定過程的示意圖。

具體實(shí)施方式

為了更好的說明本發(fā)明的目的和優(yōu)點(diǎn)，下面結(jié)合附圖和實(shí)例對發(fā)明內(nèi)容做進(jìn)一步說明。

實(shí)施例1：

本實(shí)施例公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，分為訓(xùn)練階段和使用階段。訓(xùn)練階段在相機(jī)光譜響應(yīng)曲線的訓(xùn)練集中，把每個相機(jī)光譜響應(yīng)曲線分為紅色、綠色、藍(lán)色3個通道；對所述每個通道的所有光譜響應(yīng)曲線，使用字典學(xué)習(xí)方法求解稀疏字典。使用階段利用超光譜成像的圖像融合平臺，以所述待標(biāo)定rgb相機(jī)拍攝高分辨率rgb圖像，并使用超光譜相機(jī)拍攝相同場景的低分辨率超光譜圖像；根據(jù)所述兩張圖像和三通道的稀疏字典，使用稀疏編碼方法求解所述待標(biāo)定相機(jī)的光譜響應(yīng)曲線，從而完成對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定。本實(shí)施例中標(biāo)定方法的流程圖如圖1所示。

近幾年，基于一次曝光的超光譜成像平臺被廣泛研究(詳見kawakamir,matsushitay,wrightj,etal.high-resolutionhyperspectralimagingviamatrixfactorization[c]//computervisionandpatternrecognition(cvpr),2011ieeeconferenceon.ieee,2011:2329-2336.)。圖2是一種圖像融合平臺的示意圖，這種平臺利用分光鏡，使低分辨率超光譜相機(jī)和高分辨率相機(jī)通過一次曝光拍攝相同場景的圖像，然后通過稀疏表達(dá)技術(shù)進(jìn)行融合，從而得到高分辨率超光譜圖像。這種圖像融合技術(shù)要求rgb相機(jī)的光譜響應(yīng)曲線已知。兩臺相機(jī)拍攝的兩張圖像，應(yīng)有如下關(guān)系：ms＝th，其中m表示高分辨率rgb圖像，h表示低分辨率超光譜圖像，s表示高分辨率圖像到低分辨率圖像的空間下采樣矩陣，t表示rgb相機(jī)的光譜響應(yīng)曲線。利用這個相等關(guān)系，可以在空間下采樣矩陣已知的情況下，使用圖像融合平臺采集高分辨率rgb圖像和低分辨率超光譜圖像，從而對rgb相機(jī)的光譜響應(yīng)曲線進(jìn)行標(biāo)定。

現(xiàn)有技術(shù)中基于圖像融合平臺的rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法僅利用以上關(guān)系，當(dāng)采集的rgb圖像或超光譜圖像含有噪聲時，對標(biāo)定結(jié)果影響很大(詳見veganzonesma,simoesm,licciardig,etal.hyperspectralsuper-resolutionoflocallylowrankimagesfromcomplementarymultisourcedata[j].ieeetransactionsonimageprocessing,2016,25(1):274-288.)。因此本實(shí)施例公開的標(biāo)定方法，額外使用了稀疏表達(dá)技術(shù)，在求解rgb相機(jī)的光譜響應(yīng)曲線時加入了稀疏約束，從而有效降低了標(biāo)定方法對噪聲的敏感度。本實(shí)施例中標(biāo)定方法的示意圖如圖3所示。同時，本實(shí)施例公開的標(biāo)定方法也保持了基于圖像融合平臺的rgb相機(jī)光譜響應(yīng)曲線標(biāo)定方法所具有的簡單、快速的特點(diǎn)，不需要額外的標(biāo)定設(shè)備。

本實(shí)施例公開的一種rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定方法，分為訓(xùn)練和使用兩個階段。本實(shí)施例中標(biāo)定方法的流程圖如圖1所示。

步驟一：訓(xùn)練階段用于根據(jù)rgb相機(jī)光譜響應(yīng)曲線訓(xùn)練集，使用字典學(xué)習(xí)方法得到紅色、綠色、藍(lán)色三個通道的光譜響應(yīng)稀疏字典。

步驟1.1：在相機(jī)光譜響應(yīng)曲線的訓(xùn)練集中，將每個相機(jī)光譜響應(yīng)曲線分為紅色、綠色、藍(lán)色三個顏色通道；

步驟1.2：對步驟1.1中紅色、綠色、藍(lán)色三個顏色通道的所有光譜響應(yīng)曲線，使用如公式(1)所示字典學(xué)習(xí)方法求解稀疏字典。

其中φq表示第q個通道的稀疏字典，xq表示q通道的所有原始響應(yīng)曲線，βq表示稀疏編碼，η表示稀疏項(xiàng)的權(quán)重，||·||f表示矩陣的弗羅賓尼斯(frobenius)范數(shù)，||·||1表示矩陣的1-范數(shù)；

求解公式(1)的方法優(yōu)選：k-svd算法，最佳方向(mod)法，在線字典學(xué)習(xí)(odl)法(詳見mairalj,bachf,poncej,etal.onlinedictionarylearningforsparsecoding[c]//proceedingsofthe26thannualinternationalconferenceonmachinelearning.acm,2009:689-696.)，主成分分析(pca)法，頂點(diǎn)成分分析(vca)法；

步驟二：使用階段根據(jù)步驟一得到的紅色、綠色、藍(lán)色三個顏色通道的稀疏字典，采集的低分辨率超光譜圖像和高分辨率rgb圖像，得到rgb相機(jī)的光譜響應(yīng)曲線。

步驟2.1：使用超光譜成像的圖像融合平臺，以待標(biāo)定rgb相機(jī)拍攝高分辨率rgb圖像，并使用已標(biāo)定的超光譜相機(jī)拍攝相同場景的低分辨率超光譜圖像；

步驟2.2：根據(jù)步驟2.1得到的高、低分辨率兩張圖像和步驟一中得到的稀疏字典，求解公式(2)所示優(yōu)化方程得到稀疏編碼。

其中αq表示所述稀疏編碼，h表示所述低分辨率超光譜圖像的矩陣表示，mq表示所述rgb圖像的q通道的矩陣表示，s代表高分辨率圖像和低分辨率圖像之間的空間下采樣矩陣表示，η表示稀疏約束的權(quán)重；

求解公式(2)的方法，優(yōu)選正交匹配追蹤(omp)算法(詳見patiyc,rezaiifarr,krishnaprasadps.orthogonalmatchingpursuit:recursivefunctionapproximationwithapplicationstowaveletdecomposition[c]//signals,systemsandcomputers,1993.1993conferencerecordofthetwenty-seventhasilomarconferenceon.ieee,1993:40-44.)，最小角回歸(lars)算法(詳見efronb,hastiet,johnstonei,etal.leastangleregression[j].theannalsofstatistics,2004,32(2):407-499.)，迭代軟閾值(ista)算法，交替方向乘子(admm)算法；

步驟2.3：利用步驟一得到的稀疏字典和步驟2.2得到的稀疏編碼，根據(jù)公式(3)和(4)求解所述待標(biāo)定相機(jī)的光譜響應(yīng)曲線，從而完成對rgb相機(jī)光譜響應(yīng)曲線的標(biāo)定。

其中表示q通道光譜響應(yīng)曲線的估計(jì)值。

以上所述的具體描述，對發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。