11. Workshop Farbbildverarbeitung Carsten Büttner, HAWK Dipl.-Ing. (FH) Carsten Büttner, MSc. Parametrierung digitaler Kameras auf Basis einer spektralen

Carsten Büttner, HAWK11. Workshop Farbbildverarbeitung

Dipl.-Ing. (FH) Carsten Büttner, MSc.

Parametrierung digitaler Kamerasauf Basis einer

spektralen Charakterisierung


Gliederung

Ergebnisse am Farbkameramessplatz

Farbbildsensorik

Kameraparametrierung: modellbasierter Ansatz

Methode zur Spektralschätzung


Farbbildsensorik

IT-Progressive-Scan-CCD

1004 x 1004 Bildpunkte

30 Vollbilder / Sekunde

36 MHz Datenfrequenz

mit RGB-Bayer-Mosaikfilter


Kameraparametrierung:modellbasierter Ansatz

Lichtquelle Objekte Detektor Wiedergabe

Dermatoskopiesystem

weißeLED

Testkarten,Farbproben,

Haut,...Optik Sensor

Kamera-elektronik

DarstellungsRGB



Physikalische Betrachtung: Für die Farbwahrnehmung werden drei spektrale Strahlungsverteilungen benötigt!

Lichtquelle S(λ) Objekte β(λ) Empfänger s(λ)

zusätzlich: chromatische Adaption, Wiedergabetransformation,...

Abbildungs-vorschrift?



Physikalische Betrachtung: Für die Farbwahrnehmung werden drei spektrale Strahlungsverteilungen benötigt!

Lichtquelle S(λ) Objekte β(λ) Empfänger s(λ)Abbildungs-vorschrift?

zusätzlich: chromatische Adaption, Wiedergabetransformation,...


Spektrale Messverfahren

Monochromatische Messung (direkt):

Kamerareaktion= spektrale Stützstelle

Lichtquelle S(λ) Empfänger s(λ)



Spektrale Messverfahren

Lichtquelle S(λ) Objekte β(λ) Empfänger s(λ)

Kamerareaktion

mit Farbprobenmatrix

Monochromatische Messung (direkt):

Breitbandige Messung (indirekt, Spektralschätzung):

Kamerareaktion= spektrale Stützstelle

Lichtquelle S(λ) Empfänger s(λ)



Überblick: Methoden zur Spektralschätzung


Methoden: Pseudo-Inverse der Farbprobenmatrix C

Singulärwertzerlegung

Lineare Programmierung

Quadratische Programmierung

Kriterien: mittlere/maximale absolute Abweichung

relative Abweichung

mittlere/maximale Glattheit

Uni-Modalität

Positivität

Basis-Funktionen (z.B. Fourier)


Schätzung mittels Quadratischer Programmierung:

1. Kriterium: mittlere quadratische Abweichung

2. Kriterium: Glattheit

In Normalform für large-scale Algorithmus in MATLAB

Kriterien der verwendeten Methode



Ideale RGB-Sensordaten

C - Farbprobenmatrix

Addition von Rauschen

Dunkelsignalrauschen mit

Photonenrauschen mit

PRNU mit

Mittelwertbildung über einen Bereich von 25x25 Bildpunkten

Umrechnung in Ladungsträger: Signalwert

Verrauschte RGB-Sensordaten

Simulationsmodell



Ansatz:

Kriterium für Farbprobenauswahl:

Optimierungsalgorithmus (QP) liefert einenLagrange-Multiplikator für jede Nebenbedingung

Maß für den Einfluss der Nebenbedingung aufdas gefundene Optimum

Methode zur Farbprobenauswahl


(vgl. Extremwertbestimmung mehrdimensionaler Funktionen unter Nebenbedingungen)

Feststellung: Auswahl ist abhängig vom Rauschen statistische Auswertung


Bewertungskriterien:

euklidischer Abstand im RGB-Farbraum des Sensors

geometrischer Abstand im rg-Diagramm (sensorbezogen)

Fehlerbewertung




LichtquelleSpektrale

Anpassungs-filter

FarbprobenAuswahl



LichtquelleSpektrale

Anpassungs-filter

FarbprobenAuswahl Strahlteiler

Spektrometer

Kamera



Spektralschätzung im Vergleich zum Datenblatt:

Kodak KAI-1020CM (Kappa DXc100) Sony ICX285AQ (Kappa DX40)

Optimierung der Messbedingungen:

Integrationszeitanpassung

zusätzliches IR-Sperrfilter

Korrektur der Nichtlinearität



Euklidischer Abstandim RGB-Farbraum

Geometrischer Abstandim rg-Diagramm

Kodak KAI-1020CM (Kappa DXc100) Sony ICX285AQ (Kappa DX40)


Diskussion und Ausblick

Bewertung der Güte der Spektralschätzung

Vergleich zu monochromatischer Messung

Vergleich mit den Kamerareaktionen auf einen Referenzprobensatz

Kamera

Spektral-schätzung

MonochromatischeMessung

Fehlerbewertung der Reaktionen

Documents

11. Workshop Farbbildverarbeitung Carsten Büttner, HAWK Dipl.-Ing. (FH) Carsten Büttner, MSc. Parametrierung digitaler Kameras auf Basis einer spektralen