基于光谱分解和PSOBP组合模型的光谱重构研究OA北大核心CSTPCD

针对R矩阵光谱重构法面临的问题,提出了一种基于相机响应特性的光谱分解方法,对分解出的同色异谱黑的反演建立粒子群优化BP神经网络模型(PSOBP)以实现网络训练权重的优化,并利用全局训练样本和局部训练样本的二次光谱重构方式进行了仿真实验。结果表明,在D65光源下,利用所提出的方法, RGB相机观测下重构两种测试集均方误差平均值分别至少降低了1.71%和0.51%,色差最大值分别为3.5579和2.3776,满足人眼辨别颜色阈值要求;WorldView3观测下光谱重构精度均方误差在410~510、555~565、590~685、705~740 nm波段内不超过2%,适应度系数表示的可接受样本占比均为91.667%,色差最大值分别为1.6002和1.1177,其光谱重构精度以及色度精度较其他方法均有所提高,且6通道多光谱相机已能满足较高精度光谱重构的要求。