函数转换与查表修正相结合的色彩匹配方法

针对函数转换方法速度快但精度差，查表插值方法精度高但速度慢的特点，提出将函数转换和查表修正相结合的色彩匹配方法。先建立基本的转换关系，再通过查表的方法进行修正，基本转换关系和修正表的建立过程，都通过机器学习方法完成。其特点是不依赖于特定的打印环境，即在不同的打印环境下，可通过对样本数据的学习，自动建立基本转换关系和修正表。     

基于BP神经网络的计算机油墨配色系统的研究

计算机配色可提高油墨配色的速度和精度,具有重要作用．基于两种颜色空间和BP神经网络的计算机配色系统被研究．实验结果表明基于光谱颜色空间配色系统的配色精度更高,可应用于目前的各种印刷方式中．基于BP神经网络的配色系统具有很强的适用性,推进了印刷的数字化流程．     

基于Sigmoid权函数的分段色彩匹配模型

为兼顾对高低浓度色彩再现精度的要求,解决单一模型进行色彩匹配时出现的“低浓度细节丢失、高浓度色彩饱和度低”的问题,提出一种基于单色样本学习的分段式色彩匹配方法．首先,根据模拟退火技术求解出最佳：分段阈值,将样本数据分成高、低浓度两类,分别对其样本数据进行学习,建立高、低浓度色彩匹配模型,然后,基于sigmoid权函数对两个模型学习得到的曲线进行合成．实验结果表明：与单一色彩匹配模型相比,这种分段式色彩匹配模型可以在不增加测试样本数量的前提下,有效提高色彩匹配尤其是在高、低浓度端的匹配精度;用sigmoid函数作为权函数的曲线合成方法,与一般常用的曲线合成方法相比,不仅可以保证高、低浓度色彩的匹配精度,而且还能有效处理分段式建模中两段曲线的光滑衔接问题,避免曲线衔接点处“颜色反转”现象的发生．     

细菌菌落优化的印刷色彩配色

分析了两种原色油墨叠印后的颜色光谱,并在此基础上建立了印刷中黄、品、青3原色的网点面积率和相互叠印之后的光谱反射率之间的关系模型,结合细菌菌落算法具有良好寻优能力的特点,该文提出了细菌菌落优化的印刷色彩配色模型,以标准色谱作为测试样本进行仿真实验,结果表明该模型具有较高的配色精度。     

Efficient Stereo Matching Scheme Based on Graph Cuts

A new stereo matching scheme from image pairs based on graph cuts is given, which can solve the problem of large color differences as the result of fusing matching results of graph cuts from different color spaces. This scheme builds normalized histogram and reference histogram from matching results, and uses clustering algorithm to process the two histograms. Region histogram statistical method is adopted to retrieve depth data to achieve final matching results. Regular stereo matching library is used to verify this scheme, and experiments reported in this paper support availability of this method for automatic image processing. This scheme renounces the step of manual selection for adaptive color space and can obtain stable matching results. The whole procedure can be executed automatically and improve the integration level of image analysis process.     

基于热力学分析的FDM3D彩色打印喷头结构优化

基于FDM3D打印技术的前提下，利用品红黄蓝三原色配色原理设计了用于彩色3D打印配色的五进一出打印喷头。针对于熔融沉积3D打印，打印头在打印过程中存在热结构和分布的不合理会影响整个打印过程的精度和打印件的质量。采用热力学分析方法对于设计的五进一出打印喷头的结构进行分析优化，可以更加直观地观测到打印过程中喷头的温度分布，验证了五进一出打印喷头结构的合理性，为基于FDM的彩色3D打印提供了技术理论支持。     

墨层厚度对基于蒙版方程配墨精度的影响分析

基于蒙版方程油墨配墨模型,是一种新型的配墨方法.影响配墨精度的因素很多.选取墨层厚度这一重要影响因素作为研究对象,确定基于蒙版方程模型的目标色配墨比例,通过IGT适性仪印刷出墨层厚度不同的样品色样,对样品色样与目标色进行分析对比,分析墨层厚度对配墨精度的影响,寻找最佳墨层厚度.得出的结果对实际生产有一定的指导意义.     

PSO算法在3D打印喷头温度传感器非线性特性校正中的应用

将微粒群优化(PSO)算法应用于3D打印喷头温度检测系统的非线性特性校正. 在温度传感器特性无法准确获取的情况下,给出了基于PSO算法和逆模型实现非线性特性的线性化校正的一般实现思路和步骤. 首先对采集到的样本进行特征分析,提炼出温度传感器非线性特性的逆模型,再利用PSO算法对逆模型中未知参数进行优化求解,从而实现了3D打印喷头温度非线性特性的线性化校正. 最后,对3D打印喷头温度检测系统进行了实验研究,对比了逆模型的PSO参数优化求解和Matlab曲线拟合求解的实验结果,验证了本文基于PSO的喷头温度非线性特性的线性化校正方法的可行性,并可以扩展到一般非线性传感器的线性化校正应用中.     

船体分段测量点数据与CAD模型自动匹配方法研究

为了能准确分析船体分段的建造误差,给出合理的建造精度评价,船体分段测量点数据与CAD模型的精准匹配是关键.针对目前船厂通常采用全站仪进行测量,提出一种以全站仪测得的船体分段测量点集为处理对象,自动进行测量点数据与CAD模型匹配的算法.该算法分粗匹配与精匹配两部分,粗匹配采用主元分析(PCA)法来缩小测量点集与CAD模型点集间的错位,通过搜索最近点法来确定对应点对;精匹配以粗匹配的结果作为初始位置,采用欧拉旋转理论对测量点集进行旋转和平移调整使匹配结果最优.实例表明,该算法不需要明确测量点与CAD模型点的对应关系,能自动匹配二者,准确地评价船体分段建造精度,为后续装配提供依据.     

数字图像设备颜色特征化反向变换算法

CIEXYZ是一种不规则颜色空间,难以建立规则的三维查找表直接对数字图像设备进行反向变换.采用基于立方体细分的查找表插值匹配算法,通过设备RGB颜色空间中立方体的细分搜索和迭代,获得与目标颜色三刺激值匹配的设备RGB值.以打印机为例建立三维查找表,通过自制色卡验证了该算法和正向三维查找表算法有较高的重复性.并以ANSI IT8.7/2标准色卡的反向变换为例考察该算法的实际变换精度,结果表明,当CIE三刺激值XYZ位于打印机色域内时,该算法的平均/最大色差为2.06/6.31 CIELAB色差单位.此算法可以精确有效地实现数字图像设备的颜色特征化反向变换.     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

基于RBF网络的非线性动力系统辨识方法的改进

基于资源分配网络（ＲＡＮ）的增长标准并结合隐单元的修剪 策略,提出了同时具有增长及修剪功能的径向基函数（ＲＢＦ）网络结构学习方案。利用该方案进行了非线性时间序列的建模以及振动系统中的未知非线性力的识别。结果表明：提出的网络结构８学习算法是有效的;ＲＢＦ网络对非线性时间序列具有很高的建模精度 ;振动系统未知非线性力的神经网络识别法是可行的。     

多元回归分析在织物染色计算机配色中的应用

为了预测织物染色的染料浓度,本文在分析实验数据的基础上,建立了染料浓度和三刺激值CMY之间的多元非线性模型,利用多元回归分析的最小二乘原理得到带有参数的非线性方程组,最后利用牛顿迭代法求解非线性方程组得到染料浓度。实验结果表明,多元回归分析计算得到的染料浓度与实际值很接近,对织物染色的计算机配色有一定的指导意义。     

基于样本不确定性和代表性相结合的可控主动学习算法研究

通过选取最有信息量的样本提交专家进行标注,主动学习算法可以有效地减少无效标注样本的工作量。在充分考虑位于分类边界的不确定样本和基于先验分布的具有代表性样本的基础上,本文构造了不确定性与代表性相结合的可控主动学习算法。首先利用样本的kNN分布状况建立不确定性置信度模型,该思路不需要知道样本分布的具体类型和参数计算;然后在样本聚集度模型的基础上进行聚类,在此基础上建立代表性置信度模型。最后将不确定性置信度模型与代表性置信度模型进行综合,构造可控的主动学习策略,使得每次主动学习选择的样本更具有“价值”。在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,当达到相同的目标正确率时,本文的方法比随机采样算法所需的样本数量少得多。     

基于色彩比例和时域相关的置信度传播立体视频匹配算法

提出一种改进的立体视频匹配算法,首先通过马尔科夫随机场建立视差图模型,然后利用亮度和色彩比例求置信度,最后根据时域相关性局部更新视差值得到视差序列。以卡耐基梅隆大学提供的真实场景视频为测试序列,实验结果表明:基于亮度和色彩比例比单纯使用亮度得到的匹配更准确,根据时域相关性求视差序列比用逐帧置信度传播求视差序列减少了83.3%以上的迭代计算时间,为立体视频的压缩传输、任意视点视频合成提供了高效的视差序列。     

多特征融合匹配的霍夫森林多目标跟踪

针对目标遮挡、形变等复杂环境中多目标跟踪准确性低的问题,提出了一种多特征融合匹配的霍夫森林多目标跟踪算法．首先,该算法根据目标检测响应进行初步关联,在线选取正负样本,通过融合颜色直方图、方向梯度直方图特征以及光流信息构建目标的特征模型;然后利用霍夫森林学习,形成可靠的长轨迹;最后采用多特征融合的轨迹匹配算法,引入颜色直方图的相似性度量和基于Gabor滤波器的特征点匹配两种方式,形成加权融合的概率矩阵,将长轨迹逐级关联为目标的完整轨迹．实验表明,该算法在多个复杂环境的视频序列中,可以有效解决目标形变、相互遮挡等问题,能实现多目标的鲁棒性跟踪．     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

一种基于色域几何特征的色域匹配算法

色域匹配能够实现源色，显示色与打印色之间的良好映射，是色彩管理的一项关键技术，通过对打印与显示色域的分析，提出了一种面向打印过程的色域匹配算法，该算法有效地利用了显示与打印色域的几何特征，提高了颜色再现精度，同时缩短了对图像进行色域匹配处理所需的时间。     

基于频谱能量分析的地质雷达探测图像判读

通过人工肉眼对地质雷达探测图像进行判读的方法易受判读人员主观性、经验性影响。为了规避这一不足,提出一种基于Counterlet等高变换和K-Means++均值聚类分析的频谱能量判读方法。以实际公路隧道为依托,经现场探测获取不良地质体的原始探测数据;采用IDSP探测数据分析软件生成原始图像及实施背景去除、滤波等时域、频域预处理以提高信噪比;基于子带分布系数采用Counterlet对预处理后的图像进行分解和重构,并采用K-Means++算法将重构后图像中的频率信息转化为颜色特征;利用MATLAB对颜色特征进行提取并据此建立不良地质体颜色特征样本库,将原始探测图像与样本库进行匹配对比以实现自动判读。结果表明：采用Counterlet等高变换对多方向、多分辨率、多尺度的地质雷达图像进行分解与重构是可行的,曲线边缘逼近效果良好,重构后的图像无信息丢失;K-Means++算法能实现地质雷达灰度图像中能量~频率~色彩的转化,转化后的图像色彩突出、直观;频谱能量的匹配对比能较准确、快速地实现自动判读及较好地规避个体主观性。     

车辆颜色和型号识别算法研究与应用

针对目前基于机器学习的车辆颜色和型号识别方法的识别准确率低问题, 提出基于卷积神经网络的车辆颜色和型号识别方法。该方法使用Darknet网络中YOLOv3(You Only LookOnce Version 3)算法对车辆图片的车脸进行检测与定位, 再对车脸区域使用车辆颜色和型号识别算法同时识别车辆颜色和型号, 这是对车辆多属性同时识别的方法, 不同于车辆单一属性识别的方法。在公开车辆数据集(Peking University Vehicle Datasets, PKU-VD)上进行实验, 实验结果表明, 车辆颜色和型号同时识别准确率为93.75%, 车辆颜色单一属性识别准确率为94.98%, 车辆型号单一属性识别准确率98.38%, 明显优于基于机器学习的车辆属性识别算法, 从而验证该算法是可行且有效的。最后将车辆颜色和型号识别技术应用在智能停车场收费系统中。