基于APSO-LSSVM模型的光谱反射率重建算法研究

摘要

目的研究光谱反射率重建算法,提高光谱反射率重建精度。方法首先通过多光谱相机和分光光度计分别获取Munsell色卡和SG140色卡的通道信息和光谱反射率值,经归一化后将Munsell色卡的通道信息和光谱反射率值作为训练样本的输入和输出。然后,采用APSO算法对LSSVM的最优正则化参数γ和核参数σ进行寻优,构建基于APSO-LSSVM的光谱反射率重构模型。在对模型参数进行寻优过程中,为保持粒子的活性,在粒子群算法中引入自适应惯性权重,并根据遗传算法中的变异思想,加入了变异操作,在普通粒子中引入变异因子。在每次迭代更新中,粒子以一定概率初始化,使粒子群算法可以跳出局部最优解,在较大的空间内进行优化。结果基于APSO-LSSVM模型对SG140色卡进行光谱反射率重建实验,文中方法的平均色差为0.4677ΔE*_(ab),平均均方根误差为0.0006。相较于最小二乘支持向量模型和反向传播神经网络模型的重构精度均有很大的提高。从显色效果来看,文中方法的显色结果更接近真实颜色,人眼基本上难以察觉到两者间的差异。结论基于APSO-LSSVM的光谱反射率重建算法可以有效地提高光谱反射率重建精度,实现了利用多光谱相机拍摄的多通道信息重构获得精确的多光谱图像。