基于流形學習的顏色光譜特性研究.pdf

1、光與顏色是人們感受自然萬物的基礎，而被稱為顏色的“指紋”的光譜反射曲線記錄一個顏色最詳細的信息，直接保存、處理顏色的光譜數據能夠得到最為精確的結果，因而具有重要的現實意義。但顏色光譜的數據維度過高，難以直接處理。因此描述顏色光譜所需的基本因子數量以及從中提取低維顏色空間結構這兩個研究課題在顏色光譜分析的領域受到了廣泛關注。
　　國內外相關研究大多采用了線性的降維方法，由于高維光譜數據存在固有的非線性特性，線性降維可能丟失數據某些重

2、要的非線性信息，而且存在過高估計真實本征維度的問題。針對這些問題，本文展開的研究工作如下:
　　1.本文從流形學習的視角出發(fā)，提出全新的研究方法:將顏色光譜的基本因子數量問題和低維顏色空間結構的問題，轉化為內嵌流形本征維數和流形結構問題。
　　2.本文采用了五種不同的流形本征維度估計算法和六種經典的流形學習算法對蒙賽爾標準顏色樣片光譜進行分析，實驗結果揭示在光譜蒙賽爾顏色空間中存在三維的嵌入流形，這一流形的幾何結構近似圓錐體

3、，與蒙賽爾顏色系統的原始理論一致:相同明度的點形成了一個單獨的平面，所有的平面近似甲行。低明度的平面在這一類圓錐體結構的尖端。低彩度的點在里面，靠近中心，高彩度的點遠離中心。沿著明度值和彩度值相同的點形成的截面圓形，色度依次逐漸變化。
　　3.通過抽取蒙賽爾標準顏色樣片中明度為7的樣本的流形分析實驗，以及降維后維度1與平均光譜能量的關系分析，進一步揭示降維后三個維度的內涵:維度1與蒙賽爾明度密切相關，而維度2和維度3結合起來反映蒙