Ukrainian Journal of Physical Optics 
Home page
 
 

Other articles 

in this issue
Spectral reflectance recovery from a white-balanced RGB image based on the algorithm of compressive sensing
1Zhang Leihong, 1Liang Dong, 1Li Bei, 1Kang Yi, 2Zhang Dawei and 3Ma Xiuhua

1College of Communication and Art Design, University of Shanghai for Science and Technology, Shanghai 200093, China
2School of Optical, Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
3Shanghai Institute of Optics and Fine Mechanics, CAS, Shanghai 201800, China

Download this article

Abstract. In this work we study the methods for reconstructing spectral reflectances of images. To reproduce the spectral reflectance more accurately and the colours more realistically, we obtain a so-called average transformation matrix, using a series of different modulated light sources to illuminate a standard whiteboard. For eliminating the influence of those light sources on RGB images, we first use a white-balance algorithm to standardize the scene information, thus obtaining a uniform RGB image with different sources. Then we map the RGB image onto the spectral reflectance basing on a compressive sensing algorithm and the principal component analysis and, finally, reconstruct the spectral reflectance of the testing sample. We compare the reconstruction accuracies of our compressive sensing algorithm based on white-balance calibration with the results derived using a pseudo-inverse method and a traditional compressive sensing algorithm. Our simulation results show that, under the same conditions of reconstruction, the residual errors and the colour difference resulting from our improved algorithm are less than those produced by the other two algorithms. In other words, the reconstruction algorithm suggested by us outperforms the other methods and can provide better performance of image colour reproduction.

Keywords: standard whiteboard, white-balance algorithm, compressive sensing, iterative threshold, spectral reflectance reconstruction

PACS: 42.66.Ne
UDC: 535.62
Ukr. J. Phys. Opt. 17 112-123
doi: 10.3116/16091833/17/3/112/2016

Received: 01.06.2016

Анотація. У роботі вивчаються методи відновлення спектрального відбивання зображень. Для точнішого відтворення спектральної відбивної здатності і більш реалістичного відтворення кольорів ми одержуємо т. зв. середню матрицю перетворення, використовуючи низку різних модульованих джерел для освітлення стандартної “білої дошки”. Для усунення впливу цих джерел світла на RGB-зображення ми спочатку використовуємо алгоритм балансу білого, щоб стандартизувати інформацію про сцену, отримуючи у цей спосіб однорідне RGB-зображення для випадку різних джерел. Далі ми формуємо відповідність (мапу) між RGB-зображенням і спектральним відбиванням, виходячи з алгоритму стиснутого зондування та аналізу головних компонент і, нарешті, реконструюємо спектральне відбивання тестового зразка. Ми порівнюємо точність реконструкції зображення для нашого алгоритму стиснутого зондування, заснованого на калібруванні балансу білого, із результатами, отриманими з використанням псевдоінверсного методу і традиційного варіанту алгоритму стисненого зондування. Результати моделювання показують, що за тих же умов реконструкції залишкові похибки і відмінності в кольорах для нашого поліпшеного алгоритму менші, ніж відповідні величини для інших двох алгоритмів. Тому запропонований нами алгоритм відновлення переважає ці методи і може забезпечити вищу продуктивність відтворення кольорів зображень. 
REFERENCES
  1. Day E A, Berns R S and Taplin L A, 2004. A psychophysical experiment evaluating the color accuracy of several multispectral image capture techniques. Imaging Sci. Technol. 48: 93–104.
  2. Zhang X D, Wang Q, Yang G F, Wu L, 2013. Key technologies review of the spectral color management system. China Printing and Packing Study. 5: 10–17.
  3. Jiang B W, 2012. Method of multi-spectral images reduce-dimensions based on PCA. Inform. Technol. 8: 98–101.
  4. Takase K, Tsumura N, Nakaguchi T and Miyake Y, 2005. Fast estimation algorithm for calculation of reflectance map based on Wiener estimation technique. Opt. Rev. 12: 20–24. doi:10.1007/s10043-005-0020-3
  5. Maloney L T and Wandell B A, 1986. Color constancy: a method for recovering surface spectral reflectance. J. Opt. Soc. Amer. A. 3: 29–33. doi:10.1364/JOSAA.3.000029
  6. Zhang L H, Liang D, Pan Z L and Ma X H, 2015. Study on the key technology of reconstruction spectral reflectance based on the algorithm of compressive sensing. Opt. Quant. Electron. 47: 1679–1692. doi:10.1007/s11082-014-0025-x
  7. Zhang Leihong, Liang Dong, Li Bei, Kang Yi, Pan Zilan, Zhang Dawei and Ma Xiuhua, 2016. The study of key technology on spectral reflectance reconstruction based on the algorithm of adaptive compressive sensing. Laser Phys. 26: 045201. doi:10.1088/1054-660X/26/1/015206
  8. Bioucas-Dias J M and Figueiredo M A T, 2007. A new TwIST: two-step iterative shrinkage/ thresholding for image restoration. IEEE Trans. Image Process. 16: 2992–3004. doi:10.1109/TIP.2007.909319
  9. Romberg J, 2008. Imaging via compressive sampling. IEEE Signal Process. Mag. 25: 14–20. doi:10.1109/MSP.2007.914729
  10. Donoho D L, 2006. Compressed sensing. IEEE Trans. Inform. Theory. 52: 1289–1306. doi:10.1109/TIT.2006.871582
  11. Amirshahi S H and Amirhahi S A, 2010. Adaptive non-negative bases for reconstruction of spectral data from colorimetric information. Opt. Rev. 17: 562–569. doi:10.1007/s10043-010-0101-9
  12. Candès E J, Romberg J and Tao T, 2006. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information. IEEE Trans. Inform. Theory. 52: 489–509. doi:10.1109/TIT.2005.862083
  13. Nguyen R M H, Prasad D K and Brown M S, 2014. Training based spectral reconstruction from a single RGB image. Lecture Notes in Comp. Sci. 8695: 186–201.
  14. Finlayson H S and Trezzi E, 2004. Shades of gray and colour constancy. In: Proceedings of IS&T/SID Twelfth Color Imaging Conference. p. 37–41.
  15. Spectral Image Database. University of Eastern Finland Color Group [EB/OL]. http://www.uef.fi/spectral/spectral image database
(c) Ukrainian Journal of Physical Optics