物理驱动的计算多光谱成像用于准确的颜色测量
Haoyu Yi1, Mingwei Zhou2, Hao Xie1
1College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了一个深度学习框架,用于从RGB图像中准确测量牙颜色,克服照明挑战. 该方法精确预测光谱反射率,改善视觉应用中的颜色保真度.
科学领域:
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
- 生物医学成像技术 生物医学成像技术
背景情况:
- 精确的颜色测量对于基于视觉的系统至关重要,但由于可变的照明,复杂性和主观性而受到阻碍.
- 由于严格的感知和光谱保真性要求,牙颜色测量存在独特的挑战.
研究的目的:
- 开发一个深度学习框架,用于从RGB图像中准确的快照光谱反射率预测.
- 在复杂的照明场景中解决现有色彩测量技术的局限性,使用牙科应用作为验证案例.
主要方法:
- 一个深度学习的,端到端的光谱反射率预测框架,利用物理可解释的特征融合网络.
- 开发一个双重注意的模块化信息融合神经网络,直接从RGB图像中恢复光谱反射.
- 使用定制光学系统在复杂照明下创建一个数据集,包含4000个RGB-超光谱图像对.
主要成果:
- 拟议的框架在预测牙光谱反射率方面取得了很高的准确性,平均平方误差 (MSE) 为0.0024,结构相似度指数 (SSIM) 为0.8724.
- 在自然牙和陶材料的多种场景中表现出有效的性能.
- 在复杂的照明条件下,成功地从RGB图像中恢复了光谱反射.
结论:
- 深度学习框架为准确的颜色测量提供了强大的解决方案,克服了由metamerism引起的颜色不匹配.
- 这一进步使得增强的光学属性表征,3D表面重建和计算机辅助的修复设计成为可能.
- 物理可解释的网络设计有助于物理知情的特征融合,以改善光谱预测.
更多相关视频
07:06Simultaneous Evaluation of Cerebral Hemodynamics and Light Scattering Properties of the In Vivo Rat Brain Using Multispectral Diffuse Reflectance Imaging
Published on: May 7, 2017
8.1K
07:05Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters
Published on: June 18, 2021
2.8K
