CN111854938A - 一种白光光源光照颜色分辨能力量化方法及*** - Google Patents
一种白光光源光照颜色分辨能力量化方法及*** Download PDFInfo
- Publication number
- CN111854938A CN111854938A CN202010716208.9A CN202010716208A CN111854938A CN 111854938 A CN111854938 A CN 111854938A CN 202010716208 A CN202010716208 A CN 202010716208A CN 111854938 A CN111854938 A CN 111854938A
- Authority
- CN
- China
- Prior art keywords
- light source
- evaluated
- hue
- illumination color
- dislocation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000012512 characterization method Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000011002 quantification Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 15
- 230000004304 visual acuity Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 19
- 238000002474 experimental method Methods 0.000 description 28
- 229910000906 Bronze Inorganic materials 0.000 description 10
- 239000010974 bronze Substances 0.000 description 10
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 description 10
- 238000011160 research Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000004300 dark adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004301 light adaptation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种白光光源光照颜色分辨能力量化方法及***,包括对待评价光源光谱功率分布的采集;计算待评价光源在均匀颜色空间中的色度信息;计算待评价光源的白度指标S;判断待评价光源的白度指标S是否处于本发明所适用的白度范围内;计算待评价光源在均匀颜色空间中的色相错位指标Rd;对于待评价光源,依据白度指标S和色相错位指标Rd,结合光照颜色分辨模型得到对应估计量值,实现对白光光源光照颜色分辨能力的表征,进而为本领域提供了一种准确且具有针对性的白光辨色力评价方法。
Description
技术领域
本发明属于LED智能照明技术领域,具体涉及一种白光光源光照颜色分辨能力量化方法及***。
背景技术
随着照明技术的发展和光源产品的日趋多样化,光源颜色品质已成为目前国际照明领域的热点问题。当前光源颜色品质的内涵,已从传统的颜色还原性逐步扩充至多维视觉属性,其内容包括颜色喜好度、颜色分辨度、颜色自然度、颜色舒适度等。
其中,光照颜色分辨能力作为现阶段光源颜色品质研究的核心问题之一,其应用涉及博物馆展陈、医疗卫生及工业检测等诸多领域。目前,Farnsworth-Munsell 100(FM-100)色相棋实验是研究光照颜色分辨最主流的方式,同时也已有学者采用颜色样本对比或物体对比等方式对光照颜色分辨问题进行讨论。
有学者提出自然光下颜色辨别力较好,这是因为人类在进化过程中其视觉***是为适应环境而逐渐优化的。另外,研究发现,白光感知与自然光适应密切相关。因此,有理由怀疑颜色分辨能力与光源白度密切相关。
但仅仅使用光源白度来预测光照颜色分辨能力在理论上是不够的,这是因为光源白度并未考虑光源光谱特性对于颜色分辨的影响,即具有相似色度但不同光谱功率分布的光源可能表现出完全不同的辨色能力,但它们的光源白度值是相同的。
因此,有学者提出将光源的光谱特性纳入光照颜色分辨能力量化的考虑因素之内。值得提及的是,Esposito等人近期工作指出了现阶段FM-100研究在光照颜色分辨度量化方面普遍存在的算法缺陷,并构建了模型指标Rd以表征由光源光谱功率分布引起的“色相错位”问题,同时发现Rd与FM-100测试的校正错误分呈现正相关的关系。但是后续研究发现Rd仍然存在一定的缺陷,即当一组光源的Rd分数相同或比较接近时,Rd无法很好地预测或区分光源间光照颜色分辨能力的差别。
此外,近年来,国内外很多学者也对光照颜色分辨能力进行了研究,并已提出或测试了CDI、CSD等多种光源颜色品质度量指标,以期预测主观视觉颜色分辨力测试的结果,从而量化白光光源的颜色分辨能力。然而,尚未发现一个被学术界和工业界广泛认可并应用的光照颜色分辨能力最佳度量指标。
对于上述问题,亟待提出一种技术方案,针对白光光源的光照颜色分辨能力进行有效地量化与表征,进而为展陈照明设计提供指导。
发明内容
本发明的目的是为了解决背景技术中所述问题,提出一种白光光源光照颜色分辨能力量化方法及***。
本发明的技术方案为提供一种白光光源光照颜色分辨能力量化方法,包括以下步骤:
步骤1,测量待评价光源的光谱功率分布;
步骤2,在均匀颜色空间L中计算待评价光源的色度信息;
步骤3,利用步骤2中待评价光源的色度信息构建光源白度指标S,S的计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
其中,S为光源白度指标,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标,k、a1、a2、a3、a4、a5均为常数;
步骤4,判断待评价光源的白度指标S是否在一定的白度范围内,即判断S1≤S≤S2是否成立,若不成立则退出,若成立则进行下一步骤;
步骤5,在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
步骤6,将步骤3和5中待评价光源的白度指标S和色相错位指标Rd输入到所构建的光照颜色分辨力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而实现白光光源光照颜色分辨力的量化与表征;光照颜色分辨力量化模型M的具体形式如下:
M=w1*Rd+w2*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分,w1和w2为权重。
进一步的,步骤2的具体实现方式如下,
步骤2.1,计算待评价光源的三刺激值,计算公式如下:
步骤2.2,利用步骤2.1中得到的三刺激值计算待评价光源的色品坐标,计算公式如下:
步骤2.3,在均匀颜色空间L中计算待评价光源的色度信息,计算公式如下:
进一步的,步骤3中,k=8.1,a1=1494.9,a2=981.9,a3=0.2081,a4=0.4596,a5=-722.2。
进一步的,步骤5的具体实现方式如下,
采用CIECAM02 UCS颜色空间,计算所有待评价光源的色相错位指标Rd,计算Rd时所采用的具体公式如下:
CEtj=|Ctj-Ctj-1|+|Ctj-Ctj+1|
其中,Rd为光源的总色相错位分数,用于衡量由光源引起的FM-100色相棋中棋子错位数量;FM-100色相棋包含横跨视觉可见色彩范围的85个色相棋样本,其明度、饱和度一致而色相渐变,其中,85个可移动的棋子分装在4个长条形棋盘中,记为棋盘A、B、C、D;i为FM-100色相棋四条棋盘的序号,i=1表示棋盘A,i=2表示棋盘B,i=3表示棋盘C,i=4表示棋盘D,Rd,A为测试光源下棋盘A的错位分数,以此类推;Ctj为测试光源下第j个棋子的位置;CEtj为测试光源下第j个棋子的错位分数;n为每个棋盘中可移动棋子的数量,棋盘A中n=22,棋盘B、C、D中n=21。
进一步的,步骤1中,对测量得到的待评价光源光谱功率分布采用400nm-700nm波段信息。
进一步的,步骤2中,均匀颜色空间L采用CIE1976 UCS均匀颜色空间;步骤5中,均匀颜色空间L’采用CIECAM02 UCS均匀颜色空间。
进一步的,步骤4中,S1=0.66,S2=8.07。
进一步的,w1的取值为-0.07,w2的取值为0.93。
本发明还提供一种白光光源光照颜色分辨能力量化***,包括以下模块:
待评价光源光谱信息采集模块,用于测量待评价光源的光谱功率分布;
待评价光源色度信息计算模块,用于在均匀颜色空间L中计算待评价光源的色度信息;
待评价光源白度计算模块,用于利用待评价光源的色度信息构建光源白度指标S,S的计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
其中,S为光源白度估计量值,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标,k、a1、a2、a3、a4、a5均为常数;
白度指标范围判断模块,用于判断待评价光源的白度指标S是否在一定的白度范围内,即判断S1≤S≤S2是否成立,若不成立则退出,若成立则进入下一个模块;
待评价光源色相错位计算模块,用于在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
光照颜色分辨力量化模块,用于将待评价光源的白度指标S和色相错位指标Rd输入到所构建的光照颜色分辨力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而实现白光光源光照颜色分辨力的量化与表征;光照颜色分辨力量化模型M的具体形式如下:
M=w1*Rd+w2*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分,w1和w2为权重。
进一步的,w1的取值为-0.07,w2的取值为0.93。
与现有技术相比,本发明的有益效果如下:
本发明提出的一种白光光源光照颜色分辨能力量化技术方案,以待评价光源的光谱特性和白度属性为依托,以光照颜色分辨力估计模型为手段,实现了对白光光源光照颜色分辨能力全面而准确的表征,进而为本领域提供了一种准确且具有针对性的白光辨色力评价方法。
附图说明
图1为本发明实施例的流程图;
图2是本发明实施例1-3中实验视觉环境实拍图;
图3是本发明实施例4-6中实验视觉环境实拍图;
图4是本发明实施例中所构建的光照颜色分辨力模型与现有多种颜色品质指标在预测光源辨色力方面性能的比较。
具体实施方式
结合附图,提供本发明实施例具体描述如下。
如图1所示实施例提供的一种白光光源光照颜色分辨能力量化技术方案,以待评价光源的光谱特性和白度属性为依托,以光照颜色分辨力估计模型为手段,实现了对白光光源光照颜色分辨能力全面而准确的表征,进而为本领域提供了一种准确且具有针对性的白光辨色力评价方法。
为更好的说明本发明的有效性与准确性,以下采用六项实施例进行说明。
实施例1-3分别采用3组具有不同色度属性的LED光源作为待评价光源:实施例1中采用5种具有相同相关色温(5500K)不同Duv特性的LED光源,实施例2中采用6种具有相同相关色温(3000K)不同Duv特性的LED光源,实施例3中采用具有不同相关色温且不同Duv特性的LED光源;以FM-100色相棋的85个明度、饱和度一致而色相渐变的棋子作为待展陈物体,以FM-100辨色力测试实验结果为模型检验依据,对本文提出的一种白光光源光照颜色分辨能力量化方法准确性进行说明。需要说明的是,本发明并不局限上述光源与物体,对于其他LED光源或其他物体,本方法同样适用。
实施例1-3所采用的3项研究分别可参见参考文献:
Y.Liu,Q.Liu,Z.Huang,M.R.Pointer,L.Rao,and Z.Hou.Optimising colourpreference and colour discrimination for jeans under 5500K light sources withdifferent Duv values[J],Optik,2019,163916.
Y.Liu,L.Rao,Z.Huang,H.Gong,X.Wu,and Q.Liu.Correlations between colourdiscrimination and colour quality metrics,Lecture Notes in ElectricalEngineering[J],2020,600:11-20.
Z.Huang,Q.Liu,Y.Liu,M.R.Pointer,M.R.Luo,Q.Wang,and B.Wu.Best lightingfor jeans,Part 1:Optimizing colour preference and colour discrimination withmultiple correlated colour temperatures[J],Lighting Research&Technology,2019,51:1208-1223.
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例1-3提供的方法流程基本一致,包括以下步骤:
1)在实施例1-3中,采用X-Rite i1 Pro分光光度仪分别测量3组具有不同色度属性的待评价LED光源的光谱功率分布,波长范围为400nm-700nm。它们分别为:
实施例1:5种具有相同色温(5500K)不同Duv(0.020,0.010,0,-0.010,-0.020)特性的LED光源;
实施例2:6种具有相同色温(3000K)不同Duv(0.010,0.005,0,-0.005,-0.010,-0.015)特性的LED光源;
实施例3:5种具有不同相关色温(2500K-6500K,以1000K为间隔均匀采样)且不同Duv(-0.003—-0.008)特性的LED光源。
2)计算待评价光源的三刺激值,计算公式如下:
在实施例1-3中,计算光源的三刺激值时采用的积分区间为400nm-700nm的波段。
3)利用2)中得到的三刺激值计算待评价光源的色品坐标,计算公式如下:
4)在均匀颜色空间L中计算待评价光源的色度信息,计算公式如下:
在实施例1-3中,采用CIE1976 UCS颜色空间,计算所有待评价光源的色度坐标(u′和v′)等相关色度信息。
5)将4)中待评价光源的色度信息输入到本发明构建的光源白度指标中,得到待评价光源的白度指标,计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(uv-a3)(v′-a4)]
k=8.1,a1=1494.9,a2=981.9,a3=0.2081,a4=0.4596,a5=-722.2
其中,S为光源白度估计量值,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标。
6)判断待评价光源的白度指标S是否在本发明所适用的白度范围内,即判断S1≤S≤S是否成立,若不成立则不适用本发明,若成立则进行下一步骤;
在实施例1-3中,S1=0.66,S2=8.07。
7)在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
在实施例1-3中,采用CIECAM02 UCS颜色空间,计算所有待评价光源的色相错位指标Rd。计算Rd时所采用的具体方法如下:
CEtj=|Ctj-Ctj-1|+|Ctj-Ctj+1|
其中,Rd为测试光源的总色相错位分数,用于衡量由光源引起的FM-100色相棋中棋子错位数量。FM-100色相棋包含横跨视觉可见色彩范围的85个色相棋样本,其明度、饱和度一致而色相渐变。其中,85个可移动的棋子分装在4个长条形棋盘中,记为棋盘A、B、C、D。Rd,A为测试光源下棋盘A的错位分数,以此类推;i为FM-100色相棋四条棋盘的序号(i=1表示棋盘A,i=2表示棋盘B,i=3表示棋盘C,i=4表示棋盘D);Ctj为测试光源下第j个棋子的位置;CEtj为测试光源下第j个棋子的错位分数;n为每个棋盘中可移动棋子的数量(棋盘A中n=22,棋盘B、C、D中n=21)。
8)将5)和7)中所得的待评价光源的白度指标S和色相错位指标Rd输入到本发明所构建的光照颜色分辨能力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而根据输出结果实现光源照明辨色力性能的表征。光照颜色分辨能力的量化模型M如下:
M=-0.07*Rd+0.93*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分。
为进一步证实本发明所述方法在光照颜色分辨能力量化方面所具有的技术优势,采用FM-100色相棋辨色力主观实验,通过相关系数R之方法,计算FM-100辨色力主观实验中观察者错误分数与6)中光照颜色分辨力估计量值M之间的PEARSON相关系数。实施例1-3的具体实施过程基本一致,因此以实施例1为例介绍如下:在暗室中以5种待评价光源为实验光源,邀请24名具有正常视力的观察者在标准灯箱Light-Cube内(50cm×50cm×60cm,灯箱四周和底部均为中性灰)进行FM-100色相棋辨色力实验,实验视觉环境实拍图如图2所示。对于FM-100色相棋的相关介绍以及辨色力实验的流程介绍,可参见Huang Z,Liu Q,Liu Y,et al.Best lighting for jeans,part 1:Optimising colour preference and colourdiscrimination with multiple correlated colour temperatures[J].LightingResearch&Technology,2019,51:1208-1223.本发明不予赘述。
通过FM-100色相棋实验可获得观察者辨色力错误得分,实施例1-3结果如表1所示。并计算其与光照颜色分辨力估计量值M之间的PEARSON相关系数,两者之间的相关系数越接近-1说明模型预测效果越好。结果显示,实施例1中两者之间的相关系数R=-0.85,实施例2中R=-0.83,实施例3中R=-0.98。证明本发明所构建的光照颜色分辨力量化模型具有极高的准确性,进而证明本发明所述方法在照明辨色力评价方面具有较强的技术优势。
表1.FM-100色相棋实验观察者平均错误分结果
实施例4-6分别采用3组具有不同色度属性的LED光源作为待评价光源:第一类为7种具有相同色温(3000K)不同Duv特性的LED光源、第二类为7种具有相同色温(4000K)不同Duv特性的LED光源、第三类为10种具有不同相关色温(2700K-4300K)且不同Duv特性的LED光源;以三种典型的青铜器(熏香炉、小型焚香炉与铜镜)作为待展陈物体,以心理物理学实验结果为模型检验依据,对本文提出的一种白光光源光照颜色分辨能力量化方法准确性进行说明。需要说明的是,本发明并不局限上述光源与物体,对于其他LED光源或其他展陈物体,本方法同样适用。
实施例4-6所采用的3项研究分别可参见参考文献:
Z.Huang,Q.Liu,M.R.Pointer,W.Chen,Y.Liu,and Y.Wang.Color qualityevaluation of Chinese bronzeware in typical museum lighting[J],J.Opt.Soc.Am.A,2020,37:A170-A180.
本发明技术方案具体实施时可由本领域技术人员采用计算机软件技术实现自动运行。实施例提供的方法流程包括以下步骤:
1)测量待评价光源的光谱功率分布,采用400nm-700nm波段信息;
在实施例4-6中,采用X-Rite i1 Pro分光光度仪分别测量3组具有不同色度属性的待评价LED光源的光谱功率分布,波长范围为400nm-700nm。它们分别为:
实施例4:7种具有相同色温(3000K)不同Duv(0.015,0.010,0.005,0,-0.005,-0.010,-0.015)特性的LED光源;
实施例5:7种具有相同色温(4000K)不同Duv(0.015,0.010,0.005,0,-0.005,-0.010,-0.015)特性的LED光源;
实施例6:10种具有不同相关色温且不同Duv特性的LED光源,如表2所示。
表2.实施例6中待评价光源的色度属性
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
CCT | 3000K | 3000K | 3000K | 4000K | 4000K | 4000K | 2700K | 3300K | 3700K | 4300K |
Duv | -0.015 | 0 | 0.005 | -0.015 | 0 | 0.005 | 0 | 0 | 0 | 0 |
2)在均匀颜色空间L中计算待评价光源的色度信息;
2.1)计算待评价光源的三刺激值,计算公式如下:
在实施例4-6中,计算光源的三刺激值时采用的积分区间为400nm-700nm的波段。
2.2)利用2.1)中得到的三刺激值计算待评价光源的色品坐标,计算公式如下:
2.3)在均匀颜色空间N中计算待评价光源的色度信息,计算公式如下:
在实施例4-6中,采用CIE1976 UCS颜色空间,计算所有待评价光源的色度坐标(u′和v′)等相关色度信息。
3)将2)中待评价光源的色度信息输入到本发明构建的光源白度指标中,得到待评价光源的白度指标,计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
k=8.1,a1=1494.9,a2=981.9,a3=0.2081,a4=0.4596,a5=-722.2
其中,S为光源白度估计量值,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标。
4)判断待评价光源的白度指标S是否在本发明所适用的白度范围内,即判断S1≤S≤S2是否成立,若不成立则不适用本发明,若成立则进行下一步骤;
在实施例4-6中,S1=0.66,S2=8.07。
5)在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
在实施例4-6中,采用CIECAM02 UCS颜色空间,计算所有待评价光源的色相错位指标Rd。计算Rd时所采用的具体方法如下:
CEtj=|Ctj-Ctj-1|+|Ctj-Ctj+1|
其中,Rd为测试光源的总色相错位分数,用于衡量由光源引起的FM-100色相棋中棋子错位数量。FM-100色相棋包含横跨视觉可见色彩范围的85个色相棋样本,其明度、饱和度一致而色相渐变。其中,85个可移动的棋子分装在4个长条形棋盘中,记为棋盘A、B、C、D。Rd,A为测试光源下棋盘A的错位分数,以此类推;i为FM-100色相棋四条棋盘的序号(i=1表示棋盘A,i=2表示棋盘B,i=3表示棋盘C,i=4表示棋盘D);Ctj为测试光源下第j个棋子的位置;CEtj为测试光源下第j个棋子的错位分数;n为每个棋盘中可移动棋子的数量(棋盘A中n=22,棋盘B、C、D中n=21)。
6)将3)和5)中所得的待评价光源的白度指标S和色相错位指标Rd输入到本发明所构建的光照颜色分辨能力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而根据输出结果实现光源照明辨色力性能的表征。光照颜色分辨能力的量化模型M如下:
M=-0.07*Rd+0.93*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分。
为进一步证实本发明所述方法在白光光源光照颜色分辨能力量化方面所具有的技术优势,采用主观对比实验,通过相关系数R之方法,计算主观实验所获得的观察者对于青铜器的辨识度主观评价值与6)中光照颜色分辨力估计量值M之间的PEARSON相关系数。具体实施为:以上述3组待评价光源为实验光源,分别进行3组主观对比实验。实施例4-6中主观对比实验的实验方式相同,具体实验方式如下:
1)在暗室中进行实验,以上述三类待展陈青铜器为实验物体,每一类实验物体均包含2个颜色外貌一致的青铜器,共6个实验物体。以3个不同类型的青铜器为一组,按照相同的摆放方式置于两个相邻标准灯箱Light-Cube(50cm×50cm×60cm,灯箱四周和底部均为中性灰)中。实验视觉环境实拍图如图3所示,每个灯箱顶部均安装有发光硬件,用于产生指定实验光源。观察者坐在距离两个灯箱中央90cm处的椅子上,同时观察两个灯箱中的青铜器。
2)实验过程中,左右灯箱会采用不同的光源进行照明,观察者需要对青铜器的辨识度进行评价,在实验记录表中记录下对每一个实验场景的评价。评价规则具体如下:
在观察者同时观察两个灯箱中的青铜器一段时间后,观察者认为哪个灯箱中的青铜器可以展现更多的颜色及纹理细节,则在对应的表格下打钩。
3)实施例4-6中每一个实验均选取30名具有正常视力的观察者(共90名观察者),每个观察者进行实验时,进行同样的处理:实验开始前进行5分钟的暗适应,在暗适应时实验人员通过口述的方式介绍实验情况。实验时,观察者按照2)中的评价规则对每一组实验场景进行评价,实验场景为随机调节(调试每两种不同实验场景之间间隔20秒),更换场景时观察者处于闭眼状态,直至观察者评价完最后一组实验场景。需要说明的是,实验1中共有21组3000K实验场景,实验2中共有21组4000K实验场景,实验3中共有45组不同光源特性的实验场景。
4)采用Thurston V统计学方法,将各个实验中观察者的主观评价进行数值归一化,以便计算主观评价值与本发明所构建的照明质量模型估计值之间的PEARSON相关系数,归一化结果如表3所示,其中数值越大表明在该维度下选择该光源的观察者越多。对于Thurston V统计学方法相关介绍以及使用方法,可参见:L.L.Thurstone,"A law ofcomparative judgment,"Psychological review 101,266(1994).本发明不予赘述。
表3.观察者辨识度主观评价归一化结果
通过上述主观实验可获得观察者对于青铜器的辨识度主观评价值,并进一步计算其与本发明所构建的光照颜色分辨力估计量值M之间的PEARSON相关系数,两者之间的相关系数越接近1说明模型预测效果越好。结果显示,实施例4中两者之间的相关系数R=0.94,实施例5中R=0.99,实施例6中R=0.97。证明本发明所构建的光照颜色分辨力量化模型具有极高的准确性,进而证明本发明所述方法在照明辨色力评价方面具有较强的技术优势。
为进一步证明本发明所构建模型在量化光照颜色分辨能力方面的优越性和技术创新性,除6项实施例外,本发明还收集了来自国际学者的共6项辨色力研究数据,其研究方法与前述方法类似,数据来源详见参考文献,在此不做赘述。
参考文献:S.S.Mayr,and A.Buchner.A common type of commerciallyavailable LED light source allows for colour discrimination performance at alevel comparable to halogen lighting[J],Ergonomics 62,1462-1473(2019).
P.J.Pardo,E.M.Cordero,M.I.Suero,andL.Pérez.Influence of thecorrelated color temperature of a light source on the color discriminationcapacity of the observer[J],JOSA A 29,A209-A215(2012).
T.Dan,H.Komatsubara,S.Kobayashi,and N.Nasuno.Evaluation Of ColorDiscrimination Under Led Lighting By Two Types Of 100-Hue Test[J],light-emitting diode(2013).
Esposito T and Houser K.A new measure of colour discrimination forLEDs and other light sources[J].Lighting Research&Technology,51(1),5-23(2019).
将本发明所构建的光照颜色分辨力量化模型M与CCT,Duv,CRI,GAI,CQS-Qa,CQS-Qf,CQS-Qp,CQS-Qg,FSCI,CPI,FCI,CDI,CSA,CRI-CAM02UCS,CRI2012,MCRI,IES-Rf,IES-Rg,ΔC*,CQI,CQI’,GAI-CRI,GVI,S,WS,Percent of tint,DSI,CSD and Rd等共计29种现有经典颜色品质指标在辨色力预测精度方面进行***地比较。由于参考文献较多,此处不一一给出,本领域技术人员可轻易通过其名称检索到相关技术细节。
图4显示了在上述共12组颜色辨别力相关研究中本发明所构建的光照颜色分辨力量化模型M以及现有29种颜色品质度量指标与主观测试得到的光照颜色分辨能力间的平均PEARSON相关系数。从图中可明显看出,现有29种单一指标的表现均不及本发明所构建的光照颜色分辨力量化模型M,M与光照颜色分辨能力的平均相关系数R=0.93。本发明所构建的模型M之所以在辨色力量化方面表现出显著的优越性,是因为模型M的构建是基于白光感知和人工光源光谱特性对于颜色分辨的影响的。在预测光照颜色分辨能力上,白光感知与人工光源光谱特性这两项因素彼此支持,互为补充,因此将二者纳入新模型的构建的技术取得了优异的效果,组合后的技术效果比单一每项技术效果更佳优越。
此外,本发明还基于现有29种指标两两之间的二维拟合并变换指标的权重,测评了共*101*4=164,024种组合指标。经测试发现,对于现有的辨色力研究数据,本发明所构建的模型M的表现仍优于任何其他拟合的指标。再次证明了本发明所构建的光照颜色分辨力量化模型具有极高的准确性,进而证明本发明所述方法在照明辨色力评价方面具有较强的技术优势。
本发明还提供一种白光光源光照颜色分辨能力量化***,包括以下模块:
待评价光源光谱信息采集模块,用于测量待评价光源的光谱功率分布;
待评价光源色度信息计算模块,用于在均匀颜色空间L中计算待评价光源的色度信息;
待评价光源白度计算模块,用于利用待评价光源的色度信息构建光源白度指标S,S的计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
其中,S为光源白度估计量值,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标,k、a1、a2、a3、a4、a5均为常数;
白度指标范围判断模块,用于判断待评价光源的白度指标S是否在一定的白度范围内,即判断S1≤S≤S2是否成立,若不成立则退出,若成立则进入下一个模块;
待评价光源色相错位计算模块,用于在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
光照颜色分辨力量化模块,用于将待评价光源的白度指标S和色相错位指标Rd输入到所构建的光照颜色分辨力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而实现白光光源光照颜色分辨力的量化与表征;光照颜色分辨力量化模型M的具体形式如下:
M=w1*Rd+w2*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分,w1和w2为权重。
待评价光源色度信息计算模块的具体实现方式如下,
步骤2.1,计算待评价光源的三刺激值,计算公式如下:
步骤2.2,利用步骤2.1中得到的三刺激值计算待评价光源的色品坐标,计算公式如下:
步骤2.3,在均匀颜色空间N中计算待评价光源的色度信息,计算公式如下:
待评价光源白度计算模块中,k=8.1,a1=1494.9,a2=981.9,a3=0.2081,a4=0.4596,a5=-722.2。
待评价光源色相错位计算模块的具体实现方式如下,
采用CIECAM02 UCS颜色空间,计算所有待评价光源的色相错位指标Rd,计算Rd时所采用的具体公式如下:
CEtj=|Ctj-Ctj-1|+|Ctj-Ctj+1|
其中,Rd为光源的总色相错位分数,用于衡量由光源引起的FM-100色相棋中棋子错位数量;FM-100色相棋包含横跨视觉可见色彩范围的85个色相棋样本,其明度、饱和度一致而色相渐变,其中,85个可移动的棋子分装在4个长条形棋盘中,记为棋盘A、B、C、D;i为FM-100色相棋四条棋盘的序号,i=1表示棋盘A,i=2表示棋盘B,i=3表示棋盘C,i=4表示棋盘D,Rd,A为测试光源下棋盘A的错位分数,以此类推;Ctj为测试光源下第j个棋子的位置;CEtj为测试光源下第j个棋子的错位分数;n为每个棋盘中可移动棋子的数量,棋盘A中n=22,棋盘B、C、D中n=21。
各模块具体实现和各步骤相应,本发明不予赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种白光光源光照颜色分辨能力量化方法,其特征在于,包括以下步骤:
步骤1,测量待评价光源的光谱功率分布;
步骤2,在均匀颜色空间L中计算待评价光源的色度信息;
步骤3,利用步骤2中待评价光源的色度信息构建光源白度指标S,S的计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
其中,S为光源白度指标,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标,k、a1、a2、a3、a4、a5均为常数;
步骤4,判断待评价光源的白度指标S是否在一定的白度范围内,即判断S1≤S≤S2是否成立,若不成立则退出,若成立则进行下一步骤;
步骤5,在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
步骤6,将步骤3和5中待评价光源的白度指标S和色相错位指标Rd输入到所构建的光照颜色分辨力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而实现白光光源光照颜色分辨力的量化与表征;光照颜色分辨力量化模型M的具体形式如下:
M=w1*Rd+w2*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分,w1和w2为权重。
3.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:步骤3中,k=8.1,a1=1494.9,a2=981.9,a3=0.2081,a4=0.4596,a5=-722.2。
4.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:步骤5的具体实现方式如下,
采用CIECAM02 UCS颜色空间,计算所有待评价光源的色相错位指标Rd,计算Rd时所采用的具体公式如下:
CEtj=|Ctj-Ctj-1|+|Ctj-Ctj+1|
其中,Rd为光源的总色相错位分数,用于衡量由光源引起的FM-100色相棋中棋子错位数量;FM-100色相棋包含横跨视觉可见色彩范围的85个色相棋样本,其明度、饱和度一致而色相渐变,其中,85个可移动的棋子分装在4个长条形棋盘中,记为棋盘A、B、C、D;i为FM-100色相棋四条棋盘的序号,i=1表示棋盘A,i=2表示棋盘B,i=3表示棋盘C,i=4表示棋盘D,Rd,A为测试光源下棋盘A的错位分数,以此类推;Ctj为测试光源下第j个棋子的位置;CEtj为测试光源下第j个棋子的错位分数;n为每个棋盘中可移动棋子的数量,棋盘A中n=22,棋盘B、C、D中n=21。
5.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:步骤1中,对测量得到的待评价光源光谱功率分布采用400nm-700nm波段信息。
6.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:步骤2中,均匀颜色空间L采用CIE1976 UCS均匀颜色空间;步骤5中,均匀颜色空间L’采用CIECAM02 UCS均匀颜色空间。
7.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:步骤4中,S1=0.66,S2=8.07。
8.根据权利要求1所述的一种白光光源光照颜色分辨能力量化方法,其特征在于:w1的取值为-0.07,w2的取值为0.93。
9.一种白光光源光照颜色分辨能力量化***,其特征在于,包括以下模块:
待评价光源光谱信息采集模块,用于测量待评价光源的光谱功率分布;
待评价光源色度信息计算模块,用于在均匀颜色空间L中计算待评价光源的色度信息;
待评价光源白度计算模块,用于利用待评价光源的色度信息构建光源白度指标S,S的计算方式如下:
S=k*et
t=-0.5[a1(u′-a3)2+a2(v′-a4)2+2a5(u′-a3)(v′-a4)]
其中,S为光源白度估计量值,u′和v′为待评价光源在CIE1976 UCS颜色空间中的色度坐标,k、a1、a2、a3、a4、a5均为常数;
白度指标范围判断模块,用于判断待评价光源的白度指标S是否在一定的白度范围内,即判断S1≤S≤S2是否成立,若不成立则退出,若成立则进入下一个模块;
待评价光源色相错位计算模块,用于在均匀颜色空间L’中计算待评价光源的色相错位指标Rd;
光照颜色分辨力量化模块,用于将待评价光源的白度指标S和色相错位指标Rd输入到所构建的光照颜色分辨力的量化模型M中,得到待评价光源的光照颜色分辨力估计量值,进而实现白光光源光照颜色分辨力的量化与表征;光照颜色分辨力量化模型M的具体形式如下:
M=w1*Rd+w2*S
其中,M为光照颜色分辨力估计量值,M值越大则光源光照辨色力性能越强;Rd为待评价光源的色相错位分数;S为待评价光源的白度指标得分,w1和w2为权重。
10.如权利要求9所述的一种白光光源光照颜色分辨能力量化***,其特征在于:w1的取值为-0.07,w2的取值为0.93。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716208.9A CN111854938B (zh) | 2020-07-23 | 2020-07-23 | 一种白光光源光照颜色分辨能力量化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716208.9A CN111854938B (zh) | 2020-07-23 | 2020-07-23 | 一种白光光源光照颜色分辨能力量化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111854938A true CN111854938A (zh) | 2020-10-30 |
CN111854938B CN111854938B (zh) | 2022-03-15 |
Family
ID=72949403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010716208.9A Active CN111854938B (zh) | 2020-07-23 | 2020-07-23 | 一种白光光源光照颜色分辨能力量化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111854938B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113203551A (zh) * | 2021-04-05 | 2021-08-03 | 北京辑光照明科技有限公司 | 一种基于光源照度及色度信息的光照颜色分辨能力量化方法及*** |
CN113465742A (zh) * | 2021-06-16 | 2021-10-01 | 华格照明科技(上海)有限公司 | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及*** |
CN114397094A (zh) * | 2022-01-26 | 2022-04-26 | 武汉大学 | 一种基于光谱重建和色貌模型的光源显色性评价方法 |
CN114427957A (zh) * | 2022-04-02 | 2022-05-03 | 武汉大学 | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5328787A (en) * | 1993-05-24 | 1994-07-12 | Eastman Kodak Company | Method for assessing and controlling the sensitometric characteristics of photographic products |
CN103299168A (zh) * | 2010-08-10 | 2013-09-11 | 以操作-试验名义经营的索夫泰克***配套公司 | 量化光源的颜色和强度的***和方法 |
CN106768870A (zh) * | 2016-10-25 | 2017-05-31 | 华侨大学 | 分析光源还原性能力的标准色块实验方法 |
CN110231148A (zh) * | 2019-06-04 | 2019-09-13 | 武汉大学 | 一种面向颜色分辨的展陈光源显色性评价方法及*** |
-
2020
- 2020-07-23 CN CN202010716208.9A patent/CN111854938B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5328787A (en) * | 1993-05-24 | 1994-07-12 | Eastman Kodak Company | Method for assessing and controlling the sensitometric characteristics of photographic products |
CN103299168A (zh) * | 2010-08-10 | 2013-09-11 | 以操作-试验名义经营的索夫泰克***配套公司 | 量化光源的颜色和强度的***和方法 |
CN106768870A (zh) * | 2016-10-25 | 2017-05-31 | 华侨大学 | 分析光源还原性能力的标准色块实验方法 |
CN110231148A (zh) * | 2019-06-04 | 2019-09-13 | 武汉大学 | 一种面向颜色分辨的展陈光源显色性评价方法及*** |
Non-Patent Citations (3)
Title |
---|
K.A.SMET 等: "Chromaticity of unique white in object mode", 《OPTICS EXPRESS》 * |
T.ESPOSITO 等: "A new measure of colour discrimination for LEDs and other light sources", 《LIGHTING RESEARCH & TECHNOLOGY》 * |
刘颖 等: "不同照明条件下FM-100色相棋实验颜色辨别力量化有效性验证", 《照明工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113203551A (zh) * | 2021-04-05 | 2021-08-03 | 北京辑光照明科技有限公司 | 一种基于光源照度及色度信息的光照颜色分辨能力量化方法及*** |
CN113465742A (zh) * | 2021-06-16 | 2021-10-01 | 华格照明科技(上海)有限公司 | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及*** |
CN114397094A (zh) * | 2022-01-26 | 2022-04-26 | 武汉大学 | 一种基于光谱重建和色貌模型的光源显色性评价方法 |
CN114427957A (zh) * | 2022-04-02 | 2022-05-03 | 武汉大学 | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及*** |
CN114427957B (zh) * | 2022-04-02 | 2022-06-14 | 武汉大学 | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111854938B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111854938B (zh) | 一种白光光源光照颜色分辨能力量化方法及*** | |
CN105136432B (zh) | 基于主客观实验数据的led照明质量评价方法及*** | |
CN110836723B (zh) | 一种青铜器展陈照明光品质评价方法与*** | |
CN111486947B (zh) | 一种基于照度和相关色温的展陈照明光品质评价方法及*** | |
CN110081971B (zh) | 一种面向视觉颜色喜好的展陈照明光品质评价方法 | |
CN102507151A (zh) | 一种基于工效学实验的阅读台灯评价方法 | |
CN106053024B (zh) | 一种面向单色系物体的led光源喜好度预测方法 | |
CN111504481B (zh) | 一种面向既定光源组的展陈照明喜好量化模型确定方法及*** | |
Huang et al. | White lighting and colour preference, Part 1: Correlation analysis and metrics validation | |
Königs et al. | A common type of commercially available LED light source allows for colour discrimination performance at a level comparable to halogen lighting | |
Hanlon et al. | Dermoscopy and skin imaging light sources: a comparison and review of spectral power distribution and color consistency | |
CN113781395B (zh) | 适用于中国传统绘画的照明颜色质量评价方法 | |
CN113465742B (zh) | 一种基于照度优化的白光光源光照颜色分辨能力量化方法及*** | |
Wang et al. | Research into the Improvement of Museum Visitor’s Emotional Response Levels to Artificial Lighting Designs Based on Interdisciplinary Creativity | |
Li et al. | A methodological validation of psychophysical approaches for quantifying the color discrimination capability of white light sources | |
CN117058132B (zh) | 基于神经网络的文物照明视觉舒适度量化评估方法及*** | |
CN114427957B (zh) | 兼顾视觉偏好与颜色分辨的光源显色性评估方法及*** | |
CN114623930A (zh) | 一种基于照度校正的光源颜色分辨能力量化方法及*** | |
CN116306319B (zh) | 基于遗传算法的文物照明眩光量化评估方法及*** | |
JP2022010802A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP5929306B2 (ja) | 体液分析装置 | |
Tran et al. | Numerical Relationship Between Non-visual Metrics and Brightness Metrics-Implications for the Evaluation of Integrative Lighting Systems | |
Petrisor et al. | Color Quality Measurements of LED Light Sources Using Image Processing | |
Jia et al. | Recent Research Progress on Colour Quality of Lighting | |
Kürkçü | The Effects of Color Temperature on Performance and Mood of Users: A Color Task Implementation Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |