[论文解读] Chromatic Adaptation Transform by Spectral Reconstruction

Scott A. Burns|arXiv (Cornell University)|Feb 26, 2019

Color Science and Applications被引用 2

一句话总结

本文提出了一种基于光谱重建而非标准von Kries模型的新型色适应变换（CAT），可在任意真实色彩与照明条件组合下实现稳健性能，且不会失败。该方法避免了负三刺激值的产生，并在未依赖经验优化的情况下，性能与当前最先进的CAT相当或更优。

ABSTRACT

A color appearance model (CAM) is an advanced colorimetric tool used to predict color appearance under a wide variety of viewing conditions. A chromatic adaptation transform (CAT) is an integral part of a CAM. Its role is to predict corresponding colors, that is, a pair of colors that have the same color appearance when viewed under different illuminants, after partial or full adaptation to each illuminant. Modern CATs perform well when applied to a limited range of illuminant pairs and a limited range of source (test) colors. However, they can fail if operated outside these ranges. For imaging applications, it is important to have a CAT that can operate on any real color and illuminant pair without failure. This paper proposes a new CAT that does not operate on the standard von Kries model of adaptation. Instead it relies on spectral reconstruction and how these reconstructions behave with respect to different illuminants. It is demonstrated that the proposed CAT is immune to some of the limitations of existing CATs (such as producing colors with negative tristimulus values). The proposed CAT does not use established empirical corresponding-color datasets to optimize performance, as most modern CATs do, yet it performs as well as or better than the most recent CATs when tested against the corresponding-color datasets. This increase in robustness comes at the expense of additional complexity and computational effort. If robustness is of prime importance, then the proposed method may be justifiable.

研究动机与目标

• 开发一种色适应变换（CAT），在所有真实色彩与照明条件组合下均保持稳健，避免现有CAT中常见的失败情况。
• 消除对von Kries适应模型的依赖，该模型在狭窄工作范围内性能受限。
• 创建一种不会产生负三刺激值的CAT，这是传统方法中已知的故障模式。
• 在不使用既有的经验对应色数据集进行优化的情况下，实现与当前最先进CAT相当或更优的性能。
• 证明基于光谱重建的适应方法尽管计算复杂度更高，仍可实现更广泛适用的CAT。

提出的方法

• 该方法用光谱重建方法替代von Kries模型，模拟人眼视觉系统对不同照明条件的响应。
• 从参考照明下的三刺激值重建测试色彩的光谱反射率。
• 将重建的光谱在不同照明条件下重新评估，以预测对应色彩。
• 这些光谱重建结果在不同照明条件下的行为决定了色适应变换。
• 该方法不使用经验对应色数据集进行校准，而是依赖光谱建模中的物理与感知一致性。
• 变换由光谱重建过程推导得出，确保稳定性并避免负三刺激值的产生。

实验结果

研究问题

• RQ1 能否开发一种色适应变换，使其在所有真实色彩与照明条件组合下均保持稳健，且不会失败？
• RQ2 基于光谱重建的CAT是否在鲁棒性与避免负三刺激值方面优于基于von Kries的CAT？
• RQ3 能否在不依赖经验对应色数据集进行优化的情况下，实现高性能的CAT？
• RQ4 在标准对应色数据集上评估时，所提出的CAT性能与当前最先进CAT相比如何？
• RQ5 所提出的基于光谱重建的CAT在鲁棒性与计算复杂度之间存在何种权衡？

主要发现

• 所提出的CAT在所有测试的真实色彩与照明条件组合下均成功预测了对应色彩，且未出现失败。
• 该方法避免了产生负三刺激值，这是传统CAT中的常见问题。
• 在标准对应色数据集上评估时，该方法的性能与最新CAT相当或更优。
• 尽管未使用经验数据集进行优化，该CAT仍通过光谱重建原理实现了高精度与高鲁棒性。
• 更高的鲁棒性以更高的计算复杂度为代价，相比传统CAT有所增加。
• 结果表明，基于光谱重建的适应方法可作为von Kries模型的可行且更普适的替代方案。