一种基于照度校正的光源颜色分辨能力量化方法及系统与流程

1.本发明属于led智能照明技术领域，具体涉及一种基于照度校正的光源颜色分辨能力量化方法及系统。


背景技术：

2.光源的颜色分辨能力，旨在表征不同光源下人眼分辨物体颜色色相、亮度和饱和度差异的能力，其可以通过一个度量来定义，这个度量就是照明光源允许受试者区分同时观察到的大量不同的物体颜色的程度。具有优异颜色分辨能力的光源在外科手术、工业检查和博物馆展陈等诸多领域有着广泛应用。光源颜色分辨能力的量化已经成为照明色彩质量评价领域的一个热门问题，与国际照明委员会战略研究热点问题(cie strategy top priority topic#2:“colour quality of light sources related to perception and preference”)密切相关。
3.近年来，随着各种led光源的出现，该领域的许多研究人员旨在调查何种光源条件能让观察者群体更好地辨别物体的颜色细节和纹理细节，以及揭示光源颜色分辨能力的影响因素。因此，有国内外学者提出或测试了多种光源颜色分辨能力量化指标，例如显色指数cri、色域面积指数gai、颜色分辨指数cdi、锥体敏感度差异指数csd等。
4.值得说明的是，发明人在前期工作中对5项有关颜色分辨的视觉研究进行了荟萃分析，并基于人类对自然光色度的视觉适应，以及对现代光源光谱功率分布多样性的考虑，构建了一个组合的光源颜色分辨能力度量指标cdm。新建的cdm指标在预测光源颜色分辨能力方面的优异效果在来自8项颜色分辨研究的16组心理物理数据中得到了验证，且其效果超出了现有的29种典型光源颜色品质度量指标及其线性组合。但是，必须指出的是，在cdm的建立过程中，没有考虑到照度水平对光源颜色分辨能力的影响，而这样的限制是所有现有指标都面临的一个问题。
5.参考文献1：q.liu,y.liu,m.r.pointer,z.huang,x.wu,z.chen,m.r.luo,“color discrimination metric based on the neutrality of lighting and hue transposition quantification,”optics letters 45,6062-6065(2020).
6.根据现有研究，光源的颜色分辨能力与照度水平密切相关。例如，knoblauch等人发现较低的照度会导致颜色分辨能力受损，其研究受试者在不同的照度水平下(5.7lx、18lx、57lx、180lx,和1800lx)进行fm-100色相测试的表现，结果显示，测试的平均错误分随着照度水平的升高逐渐下降。同样，rea和freyssinier-nova也测试了不同照度下光源的颜色分辨能力，其要求受试者在54lx或540lx的照度下进行fm-100色相测试，发现更高的照度水平提高了颜色分辨能力。此外，mayr等人和等人都在两种不同类型的光源且两种不同的照度水平(70lx和1000lx)下对参加者进行了辨色力测试，他们均得出了“无论是何种光源类型，更高的照度水平都对应着更好的光源颜色分辨”的结论。以上所有研究都证实了照度水平对光源颜色辨别能力有积极影响的结论。
7.参考文献2：k.knoblauch,saunders,f.,kusuda,m.,hynes,r.,podgor,m.,
higgins,k.e.,"age and illuminance effects in the farnsworth-munsell100-hue test,"applied optics 26,1441
–
1448(1987).
8.参考文献3：m.s.rea,and j.p.freyssinier-nova,"colour rendering:a tale of two metrics,"colour research and application 33,192-202(2008).
9.参考文献4：s.mayr,m.kopper,and a.buchner,"comparing colour discrimination and proofreading performance under compact fluorescent and halogen lamp lighting,"ergonomics 56,1418-1429(2013).
10.参考文献5：s.konigs,s.mayr,and a.buchner,"a common type of commercially available led light source allows for colour discrimination performance at a level comparable to halogen lighting,"ergonomics 62,1462-1473(2019).
11.对于上述问题，亟待提出一种技术方案，构建一个考虑照度对光源颜色分辨能力影响的照度校正模型，针对在不同照度水平下的光源颜色分辨能力进行有效地量化，进而为不同照明场景的设计提供指导依据。


技术实现要素：

12.本发明的目的是为了解决背景技术中所述问题，提出一种基于照度校正的光源颜色分辨能力量化方法及系统。
13.本发明的技术方案为提供一种基于照度校正的光源颜色分辨能力量化方法，包括以下步骤：
14.步骤1，测量待评价光源的照度e；
15.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；
16.步骤3，测量待评价光源的光谱功率分布；
17.步骤4，计算待评价光源的颜色分辨指标cdm；
18.步骤5，判断待评价光源的颜色分辨指标cdm是否在本发明所适用的颜色分辨度范围内，即判断c≤cdm≤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；
19.步骤6，将步骤1和步骤4中待评价光源的照度e和颜色分辨指标cdm输入到本发明所构建的照度校正的光源颜色分辨能力的量化模型m中，得到待评价光源的照度校正颜色分辨能力估计量值，进而实现不同照度水平下白光光源光照颜色分辨能力的量化与表征。
20.m为光照颜色分辨能力估计模型，具体形式如下：
21.m＝w1*0.01*e w2*cdm
22.其中，m为照度校正的光源颜色分辨能力估计量值，m值越大则光源光照颜色分辨能力越强；e为待评价光源的照度水平，单位为lx；cdm为待评价光源的颜色分辨指标，w1和w2为权重。
23.进一步的，步骤4的具体实现方式如下，
24.步骤4.1，在cie1976 ucs均匀颜色空间中计算待评价光源的白度指标s
neutral
，计算公式如下：
25.s
neutral
＝x*ey26.y＝-0.5[n1(u
′‑
n3)2 n2(v
′‑
n4)2 2n5(u
′‑
n3)(v
′‑
n4)]
[0027]
x＝8.1，n1＝1494.9，n2＝981.9，n3＝0.2081，n4＝0.4596，n5＝-722.2
[0028]
其中，s
neutral
为光源白度指标，u
′
和v
′
为待评价光源在cie1976 ucs均匀颜色空间中的色度坐标；
[0029]
步骤4.2，在cam02ucs均匀颜色空间中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：
[0030][0031]
cetj＝|ct
j-ct
j-1
| |ct
j-ct
j 1
|
[0032]
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色相棋的85个样本分装在4个长条形棋盘a、b、c、d中；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，r
d，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；
[0033]
步骤4.3，通过待评价光源的白度指标s
neutral
和色相错位指标rd，计算待评价光源的颜色分辨指标cdm，计算公式如下：
[0034]
cdm＝-p*rd q*s
neutral
[0035]
p＝0.07，q＝0.93
[0036]
其中，cdm为光源颜色分辨指标，s
neutral
为步骤4.1中计算的光源白度指标，rd为步骤4.2中计算的光源色相错位指标。
[0037]
进一步的，步骤2中，a＝48，b＝1007。
[0038]
进一步的，步骤3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。
[0039]
进一步的，步骤5中，c＝0.83，d＝7.08。
[0040]
进一步的，步骤6中，w1＝0.23，w2＝0.77。
[0041]
本发明还提供一种基于照度校正的光源颜色分辨能力量化系统，包括以下模块：
[0042]
待评价光源照度信息采集模块，测量待评价光源的照度e；
[0043]
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，若不成立则退出，若成立则进行下一模块；
[0044]
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；
[0045]
待评价光源颜色分辨信息计算模块，用于计算待评价光源的颜色分辨指数；
[0046]
颜色分辨范围判断模块，用于判断待评价光源的颜色分辨指标cdm是否在设定的颜色分辨范围内，即判断c≤cdm≤d是否成立，若不成立则退出，若成立则进行下一模块；
[0047]
基于照度校正的光源颜色分辨能力量化模块，用于将待评价光源的照度e和颜色分辨指标cdm输入到所构建的照度校正光源颜色分辨能力的量化模型m中，得到待评价光源的照度校正颜色分辨能力估计量值，进而实现不同照明水平下白光光源光照颜色分辨能力
的量化与表征；照度校正的光源颜色分辨能力量化模型m的具体形式如下：
[0048]
m＝w1*0.01*e w2*cdm
[0049]
其中，m为照度校正的光源颜色分辨能力估计量值，m值越大则光源光照颜色分辨能力越强；e为待评价光源的照度水平，单位为lx；cdm为待评价光源的颜色分辨指标，w1和w2为权重。
[0050]
而且，待评价光源颜色分辨信息计算模块的具体实现方式如下，
[0051]
在cie1976 ucs均匀颜色空间中计算待评价光源的白度指标s
neutral
，计算公式如下：
[0052]sneutral
＝x*ey[0053]
y＝-0.5[n1(u
′‑
n3)2 n2(v
′‑
n4)2 2n5(u
′‑
n3)(v
′‑
n4)]
[0054]
x＝8.1，n1＝1494.9，n2＝981.9，n3＝0.2081，n4＝0.4596，n5＝-722.2
[0055]
其中，s
neutral
为光源白度指标，u
′
和v
′
为待评价光源在cie1976 ucs均匀颜色空间中的色度坐标；
[0056]
在cam02 ucs均匀颜色空间中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：
[0057][0058]
cetj＝|ct
j-ct
j-1
| |ct
j-ct
j 1
|
[0059]
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色相棋的85个样本分装在4个长条形棋盘a、b、c、d中；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，r
d，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；
[0060]
通过待评价光源的白度指标s
neutral
和色相错位指标rd，计算待评价光源的颜色分辨指标cdm，计算公式如下：
[0061]
cdm＝-p*rd q*s
neutral
[0062]
p＝0.07，q＝0.93
[0063]
其中，cdm为光源颜色分辨指标，d
neutral
为光源白度指标，rd为光源色相错位指标。
[0064]
而且，照度范围判断模块中，a＝48，b＝1007。
[0065]
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400nm-700nm波段信息。
[0066]
而且，颜色分辨范围判断模块中，，c＝0.83，d＝7.08。
[0067]
而且，基于照度校正的光源颜色分辨能力量化模块中，w1＝0.23，w2＝0.77。
[0068]
与现有技术相比，本发明的有益效果如下：
[0069]
本发明提出的一种基于照度校正的光源颜色分辨能力量化技术方案，以待评价光源的照度和颜色分辨属性为依托，以照度校正的光源颜色分辨能力估计模型为手段，实现
了对不同照度水平下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光源辨色力评价方法。
附图说明
[0070]
图1为本发明实施例的流程图；
[0071]
图2是本发明实施例的实验视觉环境实拍图；
[0072]
图3是本发明实施例中38个光源组成的测试数据集中光源fm-100测试结果tesadj与本发明所构建的模型m的分布情况及其pearson相关系数示意图；
[0073]
图4是本发明实施例中生成的128组测试数据集中fm-100测试结果tesadj与本发明所构建的照度校正光源颜色分辨能力量化模型m的pearson相关系数示意图。
[0074]
图5为本发明实施例生成的128组测试数据集中fm-100测试结果tesadj与本领域发明人前期构建的光源光照颜色分辨相关模型、本发明构建的模型的pearson相关系数对比图。
具体实施方式
[0075]
结合附图，提供本发明实施例具体描述如下。
[0076]
如图1所示实施例提供的一种基于照度校正的光源颜色分辨能力量化技术方案，以待评价光源的照度和颜色分辨属性为依托，以照度校正的光源颜色分辨能力估计模型为手段，实现了对不同照度水平下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光源辨色力评价方法。
[0077]
实施例采用来自4项光源颜色分辨研究的38种具有不同照度和相关色温组合的led光源作为待评价光源，研究一包含5种相关色温为5500k，duv分别为0.020、0.010、0、-0.010、-0.020的光源，研究二包含6种相关色温为3000k，duv分别为0.010、0.005、0、-0.005、-0.010、-0.015的光源，研究三包含18种光源，分别是相关色温3000k时照度为50、100、200、500、800、1000lx，相关色温为4500k时照度为50、100、200、500、800、1000lx，以及相关色温为6000k时照度为50、100、200、500、800、1000lx的光源，研究四包含9种光源，分别是相关色温3500k时照度为50、200、600lx，相关色温为5000k时照度为50、200、600lx，以及相关色温为6500k时照度为50、200、600lx的光源；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，对本文提出的一种基于照度校正的光源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。
[0078]
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：
[0079]
1)测量待评价光源的照度e；
[0080]
在实施例中，采用spic-300光谱彩色照度计测量38种具有不同照度和相关色温组合的待评价led光源的照度。
[0081]
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；
[0082]
在实施例中，a＝48lx，b＝1007lx。
[0083]
3)测量待评价光源的光谱功率分布，采用400nm-700nm波段信息；
[0084]
在实施例中，采用x-rite il pro 2分光光度仪测量38种具有不同照度和相关色温组合的待评价led光源的光谱功率分布，波长范围为400nm-700nm。
[0085]
4)计算待评价光源的颜色分辨指标cdm；
[0086]
在实施例中，通过在cie1976 ucs颜色空间中计算待评价光源的白度指标s
neutral
以及在cam02ucs颜色空间中计算待评价光源的色相错位指标rd，以此来计算所有待评价光源的颜色分辨指标cdm。
[0087]
步骤4.1，在cie1976 ucs均匀颜色空间中计算待评价光源的白度指标s
neutral
，计算公式如下：
[0088]sneutral
＝x*ey[0089]
y＝-0.5[n1(u
′‑
n3)2 n2(v
′‑
n4)2 2n5(u
′‑
n3)(v
′‑
n4)]
[0090]
x＝8.1，n1＝1494.9，n2＝981.9，n3＝0.2081，n4＝0.4596，n5＝-722.2
[0091]
其中，s
neutral
为光源白度指标，u
′
和v
′
为待评价光源在cie1976 ucs均匀颜色空间中的色度坐标；
[0092]
步骤4.2，在cam02 ucs均匀颜色空间中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：
[0093][0094]
cetj＝|ct
j-ct
j-1
| |ct
j-ct
j 1
|
[0095]
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色相棋的85个样本分装在4个长条形棋盘a、b、c、d中；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，r
d，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；
[0096]
步骤4.3，通过待评价光源的白度指标s
neutral
和色相错位指标rd，计算待评价光源的颜色分辨指标cdm，计算公式如下：
[0097]
cdm＝-p*rd q*s
neutral
[0098]
p＝0.07，q＝0.93
[0099]
其中，cdm为光源颜色分辨指标，s
neutral
为步骤4.1中计算的光源白度指标，rd为步骤4.2中计算的光源色相错位指标。
[0100]
5)判断待评价光源的颜色分辨指标cdm是否在本发明所适用的颜色分辨范围内，即判断c≤cdm≤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；
[0101]
在实施例中，c＝0.83，d＝7.08。
[0102]
6)将1)和4)中待评价光源的照度e及颜色分辨指标cdm输入到本发明所构建的照度校正的光源颜色分辨能力的量化模型m中，得到待评价光源的照度校正颜色分辨能力估计量值，进而实现不同照度水平下光源光照颜色分辨能力的量化与表征。
[0103]
m为光照颜色分辨能力估计模型，具体形式如下：
[0104]
m＝w1*0.01*e w2*cdm
[0105]
其中，m为照度校正的光源颜色分辨能力估计量值，m值越大则光源光照颜色分辨能力越强；e为待评价光源的照度水平；cdm为待评价光源的颜色分辨分数，w1和w2为权重。
[0106]
为进一步证实本发明所述方法在不同照度水平的光源光照颜色分辨能力量化方面所具有的技术优势，采用fm-100色相测试实验，通过相关系数r之方法，计算fm-100颜色辨别能力测试实验中观察者平均错误分数与6)中照度校正的光源颜色分辨能力估计量值m之间的pearson相关系数。具体实施过程如下：
[0107]
(1)四项颜色分辨实验研究的具体实施过程基本一致，因此以研究一为例介绍如下：在暗室中以5种待评价光源为实验光源，邀请24名具有正常视力及正常颜色视觉的观察者在标准灯箱led cube内(50cm
×
50cm
×
60cm，灯箱四周和底部均为中性灰)进行fm-100色相测试实验，实验视觉环境实拍图如图2所示。对于fm-100色相测试实验的相关介绍以及实验流程，可参见y.liu，q.liu，z.huang，m.r.pointer，l.rao，and z.hou，
″
optimising colour preference and colour discrimination for jeans under 5500k light sources with different duv values,"optik 208(2020).本发明不予赘述。
[0108]
(2)通过fm-100色相测试实验可获得观察者辨色力平均错误得分，表1总结了实施例中四项研究的观察者数量、光源数量、光源编号、光源指标(相关色温cct、照度e、颜色分辨指标cdm和本发明提出的照度校正光源颜色分辨能力量化模型m)以及该光源条件下fm-100色相测试结果，即观察者平均调整错误分tesadj。
[0109]
表1.实施例中各项研究的基本信息
[0110]
[0111][0112]
(3)通过对上述4项研究的38个光源下进行的fm-100测试进行组合生成128组测试数据集，测试数据集#1～#13为四项研究的相互组合；数据集#14～#113的生成方式为从38个光源中随机抽取10个光源，共进行100次采样；数据集#114～#122为从研究三和研究四中挑选的9组光源组合，每种组合中的光源具有相同的照度水平但不同的色温；数据集#123～#128为从研究三和研究四中挑选的6组光源组合，每种组合中的光源具有相同的色温但不同的照度水平。上述128组测试数据集对应的光源编号如表2所示，数据集#14～#113中只展示前10组随机采样，其余90组采样方式与之类似，在此不做过多展示。
[0113]
表2.128组测试数据集的光源组成情况及每组测试中tesadj与模型m的pearson相关系数
[0114]
[0115]
[0116][0117]
(4)计算上述128组数据集中每一组的fm-100测试结果tesadj与该组光源照度校正的光照颜色分辨能力估计量值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，实施例中四项研究组合共38种光源的fm-100测试结果tesadj与模型m的pearson相关系数r＝-0.89，38种光源的fm-100测试结果tesadj与模型m的分布情况如图3所示。而且，图4显示了实施例中的128种光源组合中每组光源的观察者平均校正错误分tesadj与照度校正光源颜色分辨能力估计量值m之间的pearson相关系数,其平均相关系数为-0.92，范围在-0.80～-1.00之间，测试数据集#14～#113的平均pearson相关系数为-0.90，9组相同照度不同色温的测试数据集(#114～#122)的平均pearson相关系数为-0.99，6组相同色温不同照度的测试数据集(#123～#128)的平均相关系数为-0.87。证明本发明所构建的照度校正光源颜色分辨能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光源辨色力评价方面具有较强的技术优势。
[0118]
(5)计算本领域发明人前期构建的光源光照颜色分辨相关模型(模型1、模型2和模型3)对于本发明实施例中128组测试数据集的验证效果，结果显示如图5所示。需要说明的是，模型2和模型3的预期表现应为“观察者校正错误分越大即光源辨色力越差，则模型得分越高”，即模型与观察者校正错误分呈现正相关，为方便比较，此处将模型2和模型3对128组测试数据集的预测结果取其相反数，与模型1及本发明统一。
[0119]
表3统计了前期构建的三个模型及本发明在实施例所述128组测试数据集中对fm-100实验的预测效果，即观察者校正错误分tesadj与发明中所构建的光源光照颜色分辨能力量化模型的pearson相关系数的分布情况。结果显示本发明的平均pearson相关系数最接近-1且效果最稳定，特别在最大误差层面本发明方法优势明显。这是因为前期三个模型在构建上均存在一定的缺陷，模型1未考虑照度水平对光源辨色力的影响；模型2未考虑光源同色异谱问题，其无法比较色温相同但光谱功率分布不同的光源之间辨色力的差异；模型3构建时基于的样本数量有限导致其拓展性不足。
[0120]
表3.四个模型对128组fm-100测试结果的预测效果
[0121]
pearson r模型1模型2模型3本发明平均值-0.47-0.85-0.87-0.92最小值-1.00-1.00-1.00-1.00最大值0.27-0.09-0.53-0.80
[0122]
发明专利1：晏爱俐，刘强，刘颖，黄政，胡泊，郝永利，一种白光光源光照颜色分辨能力量化方法及系统，2020107162089
[0123]
发明专利2：陈治宇，刘颖，李臻珍，胡泊，郝永利，邹朋芷，刘强，张哲，刘鹏，周雅雯，晏爱俐，孙程龙；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系统，2021103642908
[0124]
发明专利3：饶连江，刘颖，杨志兵，李臻珍，刘强，鲁冰晴，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系统，202110663931x
[0125]
本发明还提供一种基于照度校正的光源颜色分辨能力量化系统，包括以下模块：
[0126]
待评价光源照度信息采集模块，测量待评价光源的照度e；
[0127]
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，若不成立则退出，若成立则进行下一模块；
[0128]
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；
[0129]
待评价光源颜色分辨信息计算模块，用于计算待评价光源的颜色分辨指标；
[0130]
颜色分辨范围判断模块，用于判断待评价光源的颜色分辨指标cdm是否在设定的颜色分辨范围内，即判断c≤cdm≤d是否成立，若不成立则退出，若成立则进行下一模块；
[0131]
基于照度校正的光源颜色分辨能力量化模块，用于将待评价光源的照度e和颜色分辨指标cdm输入到所构建的照度校正光源颜色分辨能力的量化模型m中，得到待评价光源的照度校正颜色分辨力估计量值，进而实现不同照明水平下白光光源光照颜色分辨力的量化与表征；照度校正的光源颜色分辨能力量化模型m的具体形式如下：
[0132]
m＝w1*0.01*e w2*cdm
[0133]
其中，m为照度校正的光源颜色分辨能力估计量值，m值越大则光源光照颜色分辨能力越强；e为待评价光源的照度水平；cdm为待评价光源的颜色分辨指标，w1和w2为权重。
[0134]
而且，待评价光源颜色分辨信息计算模块的具体实现方式如下，
[0135]
在cie1976 ucs均匀颜色空间中计算待评价光源的白度指标s
neutral
，计算公式如下：
[0136]sneutral
＝x*ey[0137]
y＝-0.5[n1(u
′‑
n3)2 n2(v
′‑
n4)2 2n5(u
′‑
n3)(v
′‑
n4)]
[0138]
x＝8.1，n1＝1494.9，n2＝981.9，n3＝0.2081，n4＝0.4596，n5＝-722.2
[0139]
其中，s
neutral
为光源白度指标，u
′
和v
′
为待评价光源在cie1976 ucs均匀颜色空间中的色度坐标；
[0140]
在cam02 ucs均匀颜色空间中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：
[0141][0142]
cetj＝|ct
j-ct
j-1
| |ct
j-ct
j 1
|
[0143]
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色相棋的85个样本分装在4个长条形棋盘a、b、c、d中；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，r
d，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；
[0144]
通过待评价光源的白度指标s
neutral
和色相错位指标rd，计算待评价光源的颜色分辨指标cdm，计算公式如下：
[0145]
cdm＝-p*rd q*s
neutral
[0146]
p＝0.07，q＝0.93
[0147]
其中，cdm为光源颜色分辨指标，s
neutral
为光源白度指标，rd为光源色相错位指标。
[0148]
而且，照度范围判断模块中，a＝48，b＝1007。
[0149]
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400nm-700nm波段信息。
[0150]
而且，颜色分辨范围判断模块中，c＝0.83，d＝7.08。
[0151]
而且，基于照度校正的光源颜色分辨能力量化模块中，w1＝0.23，w2＝0.77。
[0152]
各模块具体实现和各步骤相应，本发明不予赘述。
[0153]
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。