兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统

1.本发明属于led智能照明技术领域，具体涉及一种兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统。


背景技术：

2.第四代照明光源led因其具有发光效率高，使用寿命长，节能环保等诸多优势，已经广泛应用于照明领域。随着物质生活水平的不断提高，人们对照明质量的要求日益提升，照明质量评价的多维性已被工业界及学术界普遍认同，即在对光源进行照明质量评价时，应综合考虑光照保真度、喜好度、辨色力、自然度等多个维度。
3.喜好度和辨色力是综合评价光源照明质量不可或缺的重要组成部分。其中，喜好度因其可衡量人们对于照明场景的综合评价，一直是人们最关注的照明质量维度，而因各个领域对不同色彩特征进行准确辨识的需求，辨色力成为业界的研究热点。建立光源照明质量综合评价方法是营造符合人民审美要求和应用需求的照明环境的坚实基础。
4.现阶段，国内外众多学者对led光源的照明质量评价方法的研究多涉及单一维度，兼顾光照喜好度与辨色力的照明质量评价的相关研究尚属空白。
5.对于上述问题，亟待提出一种技术方案，兼顾视觉偏好与颜色分辨对光源的照明质量进行表征与评价，进而为照明光源的光谱功率分布优化提供指导。


技术实现要素：

6.本发明的目的是为了解决背景技术中所述问题，提出一种兼顾视觉偏好与颜色分辨的光源显色性评估方法及系统。
7.本发明的技术方案为提供一种兼顾视觉偏好与颜色分辨的光源显色性评估方法，包括以下步骤：步骤1，测量待评价光源的照度e；步骤2，判断待评价光源的照度e是否在本发明所适用的照度范围内，即判断a≤e≤b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；步骤3，测量待评价光源的光谱功率分布t(λ)，λ表示波长；步骤4，在均匀颜色空间s1中计算待评价光源的相关色温cct；步骤5，判断待评价光源的相关色温cct是否在设定的相关色温范围内，即判断c≤cct ≤d是否成立，若不成立则退出，若成立则进行下一步骤；步骤6，在均匀颜色空间s2中计算待评价光源的记忆色指标mcri；步骤7，将步骤3、步骤4和步骤6中待评价光源的光谱功率分布t(λ)、相关色温cct和记忆色指标mcri输入到构建的视觉偏好与颜色分辨综合估计模型中，得到待评价光源视觉偏好与颜色分辨的综合估计量值，进而实现光源视觉偏好与颜色分辨综合性能的表征；视觉偏好与颜色分辨综合估计模型如下：
其中，为视觉偏好与颜色分辨的综合估计量值，cct为待评价光源在cie1976 ucs颜色空间中的相关色温，v(λ)为明视觉光谱光视效率函数，d(λ)为cie d65光源的光谱功率分布，t(λ)为待评价光源的光谱功率分布，mcri为待评价光源在均匀颜色空间s2中的记忆色指标，f(λ)和ρ(λ)均为中间变量。mcri为现有技术，相关定义和公式参见参考文献：k. smet, w. r. ryckaert, m. r. pointer, g. deconinck, and p. hanselaer,
ꢀ“
memory colours and colour quality evaluation of conventional and solid-state lamps,
”ꢀ
opt. express 18(25), 26229
–
26244 (2010).而且，步骤2中，a=200，b=1000。
8.而且，步骤3中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
9.而且，步骤4中，均匀颜色空间s1采用cie1976 ucs均匀颜色空间。
10.而且，步骤5中，c=2500，d=6500。
11.而且，步骤6中，均匀颜色空间s2采用ipt均匀颜色空间。
12.本发明还提供一种兼顾视觉偏好与颜色分辨的光源显色性评估系统，包括以下模块：待评价光源照度信息采集模块，用于测量待评价光源的照度e；照度范围判断模块，用于判断待评价光源的照度e是否在设定的照度范围内，即判断a≤e≤b是否成立，若不成立则不适用本发明；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t(λ)，λ表示波长；待评价光源相关色温计算模块，用于在均匀颜色空间s1中计算待评价光源的相关色温cct；相关色温范围判断模块，用于判断待评价光源的相关色温cct是否在本发明所适用的相关色温范围内，即判断c≤cct ≤d是否成立，若不成立则退出；待评价光源记忆色指标计算模块，用于在均匀颜色空间s2中计算待评价光源的记忆色指标mcri；视觉偏好与颜色分辨综合评价模块，用于采用构建的视觉偏好与颜色分辨综合估计模型，对待评价光源进行视觉偏好与颜色分辨的综合评价，根据输出结果衡量待评价光源的照明质量；实现方式为，将待评价光源的光谱功率分布t(λ)、相关色温cct和记忆色指
标mcri输入到构建的视觉偏好与颜色分辨综合估计模型，通过视觉偏好与颜色分辨综合估计模型得到对应估计量值，实现待评价光源视觉偏好与颜色分辨综合性能的表征；视觉偏好与颜色分辨综合估计模型如下：如下：其中，为视觉偏好与颜色分辨的综合估计量值，cct为待评价光源在cie1976 ucs颜色空间中的相关色温，v(λ)为明视觉光谱光视效率函数，d(λ)为cie d65光源的光谱功率分布，t(λ)为待评价光源的光谱功率分布，mcri为待评价光源在均匀颜色空间s2中的记忆色指标，f(λ)和ρ(λ)均为中间变量。
13.而且，照度范围判断模块中，a=200，b=1000。
14.而且，待评价光源光谱信息采集模块中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
15.而且，待评价光源相关色温计算模块中，均匀颜色空间s1采用cie1976 ucs均匀颜色空间。
16.而且，相关色温范围判断模块中，c=2500，d=6500。
17.而且，待评价光源记忆色指标计算模块中，均匀颜色空间s2采用ipt均匀颜色空间。
18.与现有技术相比，本发明的有益效果如下：本发明提出的一种兼顾视觉偏好与颜色分辨的光源显色性评估技术方案，以待评价光源的光度学和色度学特性为依托，以视觉偏好与颜色分辨综合估计模型为手段，实现对光源视觉偏好与颜色分辨综合性能全面而准确的表征，进而为本领域提供了一种全面且准确的led照明质量评价方法。
附图说明
19.图1为本发明实施例的流程图；图2是本发明实施例2中实验视觉环境实拍图。
具体实施方式
20.结合附图，提供本发明实施例具体描述如下。
21.如图1所示实施例提供的一种兼顾视觉偏好与颜色分辨的光源显色性评估技术方案，以待评价光源的光度学和色度学特性为依托，以视觉偏好与颜色分辨综合估计模型为手段，实现对光源视觉偏好与颜色分辨综合性能全面而准确的表征，进而为本领域提供了一种全面且准确的led照明质量评价方法。
22.为更好的说明本发明的有效性与准确性，以下采用两项实施例进行说明。
23.实施例1采用9种具有相同色温（5500k）不同duv特性（0.02，0.015，0.01，0.005，0，-0.005，-0.01，-0.015，-0.02）的led光源作为待评价光源，以7条颜色渐变的蓝色牛仔裤作为待展陈物体进行视觉偏好实验，以上述9种待评价光源中的5种光源（duv:
ꢀ‑
0.02,
ꢀ‑
0.01, 0, 0.01, 0.02）作为待评价光源，以fm100作为检验工具进行辨色力实验，以心理物理学实验结果为模型检验依据，对本文提出的一种兼顾视觉偏好与颜色分辨的光源显色性评估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。
24.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提供的方法流程包括以下步骤：1）测量待评价光源的照度e；在实施例1中，采用x-rite i1 pro 2分光光度仪测量9种具有相同色温（5500k）不同duv（0.02，0.015，0.01，0.005，0，-0.005，-0.01，-0.015，-0.02）特性led光源的照度。
25.2）判断待评价光源的照度e是否在本发明所适用的照度范围内，即判断a≤e≤b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中，a=200，b=1000。
26.3）测量待评价光源的光谱功率分布t(λ)，λ表示波长，采用380nm-780nm波段信息；在实施例1中，采用x-rite i1 pro 2分光光度仪测量9种具有相同色温（5500k）不同duv（0.02，0.015，0.01，0.005，0，-0.005，-0.01，-0.015，-0.02）特性led光源的光谱功率分布，波长范围为380nm-780nm。
27.4）在均匀颜色空间s1中计算待评价光源的相关色温cct；在实施例1中，采用cie1976 ucs颜色空间，计算所有待评价光源的cct。
28.5）判断待评价光源的相关色温cct是否在本发明所适用的相关色温范围内，即判断c≤cct ≤d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中，c=2500，d=6500。
29.6）在均匀颜色空间s2中计算待评价光源的记忆色指标mcri；在实施例1中，采用ipt均匀颜色空间，计算所有待评价光源的mcri。
30.7）将3）、4）和6）中待评价光源的光谱功率分布t(λ)、相关色温cct和记忆色指标mcri输入到本发明所构建的视觉偏好与颜色分辨综合估计模型中，得到待评价光源视觉偏好与颜色分辨的综合估计量值，进而实现光源视觉偏好与颜色分辨综合性能的表征。视觉偏好与颜色分辨综合估计模型如下：
其中，为视觉偏好与颜色分辨的综合估计量值，cct为待评价光源在cie1976 ucs颜色空间中的相关色温，v(λ)为明视觉光谱光视效率函数，d(λ)为cie d65光源的光谱功率分布，t(λ)为待评价光源的光谱功率分布，mcri为待评价光源在均匀颜色空间s2中的记忆色指标，f(λ)和ρ(λ)均为中间变量。mcri为现有技术，相关定义和公式参见参考文献：k. smet, w. r. ryckaert, m. r. pointer, g. deconinck, and p. hanselaer,
ꢀ“
memory colours and colour quality evaluation of conventional and solid-state lamps,
”ꢀ
opt. express 18(25), 26229
–
26244 (2010).为进一步证实本发明所述方法在光源视觉偏好与颜色分辨综合评价方面所具有的技术优势，采用心理物理学实验，通过相关系数r之方法，分别计算视觉偏好实验所获得的观察者对于牛仔裤的主观喜好度得分以及fm100辨色力实验所获得的观察者调整后错误分与8）中视觉偏好与颜色分辨综合估计量值之间的pearson相关系数。具体实施为：在暗室中以上述9种待评价光源为实验光源，以7条颜色渐变的蓝色牛仔裤作为待展陈物体，邀请30名(15男15女)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)进行牛仔裤颜色喜好评价实验；以上述9种待评价光源中的5种光源作为待评价光源，邀请24名(12男12女)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fm100色相棋辨色力实验。对于上述视觉偏好实验和fm100辨色力实验的相关介绍，可参见y. liu, q. liu, z. huang, m. r. pointer, l. rao, and z. hou, "optimising color preference and color discrimination for jeans under 5500 k light sources with different duv values," optik, 208 (2020). 本发明不予赘述。
31.通过上述主观实验可获得观察者对于牛仔裤的主观喜好度得分和观察者辨色力调整后错误分（如表1和表2所示），并进一步计算其与本发明所构建的视觉偏好与颜色分辨综合估计量值之间的pearson相关系数，估计量值与主观喜好度得分的相关系数越接近1，说明模型表征视觉偏好的效果越好，估计量值与辨色力调整后错误分的相关系数越接近-1，说明模型表征颜色分辨的效果越好。结果显示，主观喜好度得分与模型估计值之间的相关系数为0.97，辨色力调整后错误分与模型估计值之间的相关系数为-0.87，证明本发明所构建的视觉偏好与颜色分辨综合估计模型具有极高的准确性，进而证明本发明所述方法在光源视觉偏好与颜色分辨综合评价方面具有较强的技术优势。
32.表1. 实施例1中观察者主观喜好度得分表2. 实施例1中观察者辨色力调整后错误分实施例2采用6种具有相同相关色温（3000k）但不同duv特性（-0.015～0.010）的led光源作为待评价光源，以一盘混色水果作为待展陈物体进行视觉偏好实验，以fm100作为检验工具进行辨色力实验，以心理物理学实验结果为模型检验依据，对本文提出的一种兼顾视觉偏好与颜色分辨的光源显色性评估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。
33.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2提供的方法流程包括以下步骤：1）测量待评价光源的照度e；在实施例2中，采用x-rite i1 pro 2分光光度仪测量6种具有相同色温（3000k）不同duv（0.01，0.005，0，-0.005，-0.01，-0.015）特性led光源的照度。
34.2）判断待评价光源的照度e是否在本发明所适用的照度范围内，即判断a≤e≤b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2中，a=200，b=1000。
35.3）测量待评价光源的光谱功率分布t(λ)，采用380nm-780nm波段信息；在实施例2中，采用x-rite i1 pro 2分光光度仪测量6种具有相同色温（3000k）不同duv（0.01，0.005，0，-0.005，-0.01，-0.015）特性led光源的光谱功率分布，波长范围为380nm-780nm。
36.4）在均匀颜色空间s1中计算待评价光源的相关色温cct；在实施例2中，采用cie1976 ucs颜色空间，计算所有待评价光源的cct。
37.5）判断待评价光源的相关色温cct是否在本发明所适用的相关色温范围内，即判断c≤cct ≤d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2中，c=2500，d=6500。
38.6）在均匀颜色空间s2中计算待评价光源的记忆色指标mcri；在实施例2中，采用ipt均匀颜色空间，计算所有待评价光源的mcri。
39.7）将3）、4）和6）中待评价光源的光谱功率分布t(λ)、相关色温cct和记忆色指标mcri输入到本发明所构建的视觉偏好与颜色分辨综合估计模型中，得到待评价光源视觉偏好与颜色分辨的综合估计量值，进而实现光源视觉偏好与颜色分辨综合性能的表征。视觉偏好与颜色分辨综合估计模型如下：
其中，为视觉偏好与颜色分辨的综合估计量值，cct为待评价光源在cie1976 ucs颜色空间中的相关色温，v(λ)为明视觉光谱光视效率函数，d(λ)为cie d65光源的光谱功率分布，t(λ)为待评价光源的光谱功率分布，mcri为待评价光源在均匀颜色空间s2中的记忆色指标，f(λ)和ρ(λ)均为中间变量。mcri为现有技术，相关定义和公式参见参考文献：k. smet, w. r. ryckaert, m. r. pointer, g. deconinck, and p. hanselaer,
ꢀ“
memory colours and colour quality evaluation of conventional and solid-state lamps,
”ꢀ
opt. express 18(25), 26229
–
26244 (2010).为进一步证实本发明所述方法在光源视觉偏好与颜色分辨综合评价方面所具有的技术优势，采用心理物理学实验，通过相关系数r之方法，分别计算视觉偏好实验所获得的观察者对于混色水果的主观喜好度得分以及fm100辨色力实验所获得的观察者调整后错误分与8）中视觉偏好与颜色分辨综合估计量值之间的pearson相关系数。具体实施为：在暗室中以上述6种待评价光源为实验光源，以一盘混色水果作为待展陈物体，邀请30名(15男15女)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)进行喜好评价实验；邀请24名(12男12女)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fm100色相棋辨色力实验。对于上述视觉偏好实验和fm100辨色力实验的相关介绍，可参见huang z, liu q, luo m r, et al. "the whiteness of lighting and colour preference, part 2: a meta-analysis of psychophysical data, " lighting research & technology, 0, 1-13 (2019). 以及y. liu, l. rao, z. huang, h. gong, x. wu, and q. liu, "correlations between colour discrimination and colour quality metrics," lnee, 600, 11-20 (2020). 本发明不予赘述。
40.通过上述主观实验可获得观察者对于混色水果的主观喜好度得分和观察者辨色力调整后错误分（如表3和表4所示），并进一步计算其与本发明所构建的视觉偏好与颜色分辨综合估计量值之间的pearson相关系数，估计量值与主观喜好度得分的相关系数越接近1，说明模型表征视觉偏好的效果越好，估计量值与辨色力调整后错误分的相关系数越接近-1，说明模型表征颜色分辨的效果越好。结果显示，主观喜好度得分与模型估计值之间的相关系数为0.96，辨色力调整后错误分与模型估计值之间的相关系数为-0.86，证
color rendition of light sources,
”ꢀ
opt. express 23(12), 15888
–
15906 (2015).[3]. j. p. freyssinier and m. rea,
ꢀ“
a two-metric proposal to specify the color-rendering properties of light sources for retail lighting,
”ꢀ
proc. spie 7784, 77840v (2010).[4]. w. a. thornton,
ꢀ“
color-discrimination index,
”ꢀ
j. opt. soc. am. 62(2), 191
–
194 (1972).[5]. l. jiang, p. jin, and p. lei, "color discrimination metric based on cone cell sensitivity," opt. express 23, a741-a751 (2015).[6]. k. smet, w. r. ryckaert, m. r. pointer, g. deconinck, and p. hanselaer,
ꢀ“
memory colours and colour quality evaluation of conventional and solid-state lamps,
”ꢀ
opt. express 18(25), 26229
–
26244 (2010).[7]. qiang liu, ying liu, michael r. pointer, zheng huang, xinwei wu, zhiyu chen, and ming ronnier luo, "color discrimination metric based on the neutrality of lighting and hue transposition quantification," opt. lett. 45, 6062-6065 (2020).[8]. zheng huang, wei chen, qiang liu, yu wang, michael r. pointer, ying liu, and jinxing liang, "towards an optimum colour preference metric for white light sources: a comprehensive investigation based on empirical data," opt. express 29, 6302-6319 (2021)。
[0043]
本发明还提供一种兼顾视觉偏好与颜色分辨的光源显色性评估系统，包括以下模块：待评价光源照度信息采集模块，用于测量待评价光源的照度e；照度范围判断模块，用于判断待评价光源的照度e是否在本发明所适用的照度范围内，即判断a≤e≤b是否成立，若不成立则不适用本发明；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t(λ)；待评价光源相关色温计算模块，用于在均匀颜色空间s1中计算待评价光源的相关色温cct；相关色温范围判断模块，用于判断待评价光源的相关色温cct是否在本发明所适用的相关色温范围内，即判断c≤cct ≤d是否成立，若不成立则不适用本发明；待评价光源记忆色指标计算模块，用于在均匀颜色空间s2中计算待评价光源的记忆色指标mcri；视觉偏好与颜色分辨综合评价模块，用于采用构建的视觉偏好与颜色分辨综合估计模型，对待评价光源进行视觉偏好与颜色分辨的综合评价，根据输出结果衡量待评价光源的照明质量；实现方式为，将待评价光源的光谱功率分布t(λ)、相关色温cct和记忆色指标mcri输入到构建的视觉偏好与颜色分辨综合估计模型，通过视觉偏好与颜色分辨综合估计模型得到对应估计量值，实现待评价光源视觉偏好与颜色分辨综合性能的表征；视觉偏好与颜色分辨综合估计模型如下：
其中，为视觉偏好与颜色分辨的综合估计量值，cct为待评价光源在cie1976 ucs颜色空间中的相关色温，v(λ)为明视觉光谱光视效率函数，d(λ)为cie d65光源的光谱功率分布，t(λ)为待评价光源的光谱功率分布，mcri为待评价光源在均匀颜色空间s2中的记忆色指标，f(λ)和ρ(λ)均为中间变量。
[0044]
而且，照度范围判断模块中，a=200，b=1000。
[0045]
而且，待评价光源光谱信息采集模块中，对测量得到的待评价光源光谱功率分布采用380nm-780nm波段信息。
[0046]
而且，待评价光源相关色温计算模块中，均匀颜色空间s1采用cie1976 ucs均匀颜色空间。
[0047]
而且，相关色温范围判断模块中，c=2500，d=6500。
[0048]
而且，待评价光源记忆色指标计算模块中，均匀颜色空间s2采用ipt均匀颜色空间。
[0049]
各模块具体实现和各步骤相应，本发明不予赘述。
[0050]
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。