基于Stearns-Noechel模型的纤维光谱配色算法

为了研究有色纤维的配色算法,使用红、黄、蓝3种单色粘胶纤维按一定质量比例混合得到混色纤维,并对混色纤维的颜色进行了测量。通过对Stearns-Noechel模型的分析应用,结合光谱配色算法,对36个混色粘胶纤维的处方进行了匹配,配色结果显示最大色差为1.03 CIELAB单位,最小色差为0.10 CIELAB单位。结果表明此算法可以应用于有色纤维的配色。     

Stearns-Noechel模型优化及毛条混色配色系统开发

针对缺少理想的混色模型现状和开发计算机混色配色系统的迫切需要,在对经验Stearns-Noechel模型优化和改善的基础上建立了适用于毛条混色应用需要的计算机配色预测数学模型。分析了基于优化的Stearns-Noechel模型实现混色毛条计算机配色的三刺激值配色原理及算法流程,提出在配方预测中修正误差的方法及配色效果的控制方法。依此开发的计算机混色配色系统,经过实际的配色实验检验,显示出快速、准确提供配方的能力,平均预测色差为0.614 CIELab单位,证明开发的配色系统对毛条混色产品的配色是非常有效的。     

应用Kubelka-Munk双常数理论的数码转杯纱混色效果预测

为研究数码转杯纺的混色效果,利用红、黄、蓝三原色粗纱纺制混色纱并织成织物,测量其颜色特征值。在此基础上利用最小二乘法及相对值法分别求出单色纤维的吸收系数及散射系数,建立各自的Kubelka-Munk双常数混色模型。采用这二种方法建立的模型对混色织物的颜色及有色纤维的混合比例进行预测。结果表明：利用最小二乘法建立的模型对样本预测的平均色差为0.896,平均比例误差为2.84%;利用相对值法建立的模型对样本预测的平均色差为1.35,平均比例误差为3.04%;与相对值法相比,利用最小二乘法建立的Kubelka-Munk双常数混色模型可更好地预测数码转杯纱混色效果及混色纤维的比例。     

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。     

Stearns-Noechel模型在天然彩色棉混色中的应用

为提高天然彩色棉混色织物的设计效率,采用Datacolor SF600+测试不同比例混合的天然彩色棉散纤维团、混纺纱及其交织物的颜色值;基于Stearns-Noechel模型对混合散纤维团,混纺纱和交织色块进行配色预测,并用CIEDE2000色差公式计算其与实测颜色的色差,从而优化混合纤维团、混纺纱及交织物色块的S-N模型参数,其中参数M的优化值分别为0.096,0.128和0.01,对应色差分别为1.72,3.40和4.90CIELab单位,从而建立本实验条件下的纤维、纱线、织物间反射率的预测模型。     

空间并置混色色织物颜色预测方法的比较

整理和归纳了现有的关于空间并置混色色织物的颜色预测方法及模型。以经纬异色原液染色丝的交织物为实验对象,采用色卡比色、Digieye数码测色仪测色等方法,首次提出将"图像平均计算颜色预测""旋转混色颜色预测"和"公式模型颜色预测"这三种方法进行平行比较,并分析验证这几种方法的精确度。研究表明,"图像平均计算"和"旋转混色"颜色预测在一定程度上能够预测空间并置混色结果,但精度较低。相比较前两种方法,公式模型颜色预测方法对空间并置混色色织物的颜色预测结果较为准确。     

基于Stearns-Noechel模型的双通道环锭数码混色纱颜色预测

为研究环锭数码纺制备混色纱的纤维配色规律,梯度配置品红、黄、青三色纤维混纺比,纺制3种纯色纱线及两色混色纱线。在环锭数码纺混色纱的结构特征基础上,利用Stearns-Noechel模型对其混色效应进行了探究和预测,提出并对比分析了基于最小色差法和波长法2种方法优化Stearns-Noechel模型参数。结果表明：Stearns-Noechel模型适用于环锭数码纺制备的混色纱;基于最小色差法得出的样本平均色差为1.80,基于波长法得出的样本平均色差为1.46,均优于经典混色模型;基于波长法的结果优于基于最小色差法,前者优化的模型中所有混色样色差平均值梯度占比均有所提高,优化方式效果显著,更适合环锭数码纺混色纱的颜色预测。     

混色织物颜色评价中色差的对比

针对交织混色织物颜色评判中存在的多种色差公式,从组织结构设计出发,选用红、绿、蓝、青、品红、黄6种颜色的纱线,设计了3种颜色组合的交织混色织物。采用Datacolor SF600型分光光度测色仪对织物的反射率进行了测试,选用5种色差公式对混色织物的观察值与实测值进行比较。结果表明:在交织混色织物的色差评判中,CIELUV与实际感觉偏差较大,不适用于混色织物的颜色评价,而CIELAB、CMC(2∶1)、CIE94和CIE DE2000色差公式都符合真实的色差感觉,其中色差按从大到小排列为CIELABCIE94CMC(2∶1)CIE DE2000。     

三通道转杯纺混色毛机织物混配色研究

文章提出了利用三通道转杯纺纱技术生产纯羊毛混色纱,研究其对应的混色机织物的显色规律。利用红、黄、蓝三种颜色的纯羊毛粗纱纺制不同混色比例、相同纱线线密度的混色纱,并织成机织物。分别利用最小二乘法及相对值法建立Kubelka-Munk双常数理论关于三通道转杯混色毛机织物的混色模型,并对其进行模型验证,计算样本色差及混色纤维比例。结果显示:两种方法建立的混色模型,预测样本的平均色差均小于1,混色纤维的平均比例误差分别为1.77%、2.38%;利用最小二乘法建立的三通道转杯混色毛机织物的混色模型的预测样本色差及平均比例误差均比相对值法的小,预测效果更好。     

基于纽介堡方程的色纺织物颜色预测

色纺织物由多种色纤维混合织造,其颜色预测过程复杂,基于格拉斯曼色光混合理论和印刷网点的纽介堡方程,建立了便于计算的颜色预测模型。预测过程分2种情况讨论,一种是取决于表面一层色纤维,另一种是取决于最上面2层纤维相互作用。当考虑最上面2层纤维相互叠加时,相互堆叠简化为与同色堆叠或与两色堆叠。根据不同方式各自建立颜色预测模型,选出预测色差最小的模型并对其优化。结果表明：当以色纺织物最上面2层纤维堆叠组成的色元对混色织物颜色预测时,2层纤维组分不同,认为堆叠顺序对该色元颜色值无影响建立的模型预测色差最小,且对该模型中各色元占比面积系数进行一阶线性回归修正后能较好地用于色纺织物表面颜色值的预测。     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶织物进行染色实验,计算实验色差。结果表明:模拟退火算法优化的基于BP神经网络的遗传算法配色模型只需经过80次迭代即可收敛,预测颜色的理论色差均值为0.165,染色实验色差均值为0.289,配方绝对误差平均值为0.010 7;验证样本的理论色差均值为0.240,染色实验色差均值为0.437。该算法可实现织物的智能配色。     

基于双常数Kubelka-Munk理论光谱配色模型的研究

针对专色油墨配色这一薄弱环节,对光谱配色方法进行了研究,使得在提高印刷速度与质量的同时,保证了色彩再现的一致性。首先建立基于双常数KubelkaMunk理论的光谱配色数学模型,给出其各参数的求解方法;然后用丙烯颜料模拟印刷油墨进行专色油墨配色实验,将标准色样光谱反射率代入数学模型中得到标准色样的浓度配方;最后根据油墨浓度配方得到实际色样,通过计算实际色样与标准色样的色差和光谱近似程度验证光谱配色精度。本配色模型所得到的实际色样和标准色样的色差小于3,说明可以满足一般产品的配色;GFC值约等于1,说明实际色样的光谱反射率曲线和标准色样的光谱反射率曲线吻合情况较好。基于双常数Kubelka-Munk理论光谱配色模型的配色精度准确性较高,具有实用性。     

基于视觉特性的色纺纱全光谱配色算法优化

为提高色纺纱计算机配色算法的精准性及适用性,针对目前配色算法难以同时保证理论计算的色差值及配比相对偏差同时最小的问题,以全光谱配色算法为基础,结合经典Stearns-Noechel光学理论模型,探索人眼视觉特性以确定视觉特性对不同波长下反射光的敏感系数,并将其引入配色算法中进行加权计算,预测单色纤维混合配比,同时,综合预测色差值、配比相对偏差值及欧式距离等对配色效果进行评价。结果表明,引入泊松分布赋值人眼敏感系数的配色算法结果最优,平均预测色差值为0.29,且均在1以内,平均配比相对偏差值为0.612,最小,欧式距离均值为0.087,相对较小;改进之后的配色算法通过一次计算即可实现预测色差值最小,且预测配比精准,针对色纺纱可初步实现计算机精准配色。     

基于Friele模型的彩色纤维混色配方算法

为提高色纺纱配色算法在实际应用中的准确性及实用性,首先采用Datacolor SF600测试粘胶原液染色散纤维单色纱和混色纱的颜色值;然后基于Friele模型参数,采用对未知参数进行[0 1]区间赋值迭代取最优值的方法,与需要通过大量实验计算出一个最优固定参数值的方法对比,用这2种不同方法预测其拟合配方与拟合反射率,并根据CMC(l:c)色差公式计算其与标准样的色差。对比得出,当模型参数固定时,平均拟合色差为1.23,而优化后参数不固定时,平均拟合色差为0.399,进而建立了本文实验条件下的混色纱线反射率的预测模型。选取14种不同比例的三色混纺纱进行纺纱验证,其色差较小,经过1-2次修正即可得到色差小于1的配色结果。     

基于粒子滤波的织物染色配方预测算法

针对不同批次染料的力份差异、染料间的相互作用（水解、缔合）等原因导致计算机配色系统初次仿样结果不准确,需要多次人工调方才能达到客户要求的问题,按照正交设计的多组配方打样,将所得的染样作为标样,利用CCMS（计算机配色系统）预测各标样所对应的初始配方,分析了CCMS预测配方与实际配方之间的误差,建立了二者之间的非线性模型。在该模型的基础上,根据CCMS预测配方和粒子滤波来估计实际配方,得到PF算法预测配方。实验证明,非线性模型是正确的;此外,相对于CCMS预测配方与标样之间的色差（CIELAB）,PF算法预测配方的染色结果与标样之间的色差能缩小50%以上。因此,模型是准确的,利用PF算法来预测实际配方的方法切实可行。     

天然染料染色羊毛的色域拓展及颜色预测模型

天然染料色谱不全的缺陷限制了其在羊毛上的应用。为丰富天然染料染色羊毛纤维的颜色色谱,选用天然红、黄、蓝三原色染料染色羊毛织物与纤维,然后对羊毛织物的一浴法拼混染色和有色纤维的拼色进行研究,并基于Kubelka-Munk单常数理论和Stearns-Noechel模型分别对一浴法拼混染色织物和拼混有色纤维进行颜色预测。结果表明：使用一浴法拼混染色,染色后的羊毛织物在CIELAB色域空间中分布不均匀,倾向于红(+a^*),色相角(h)分布范围主要集中在0°～24°、324°～360°之间;经有色纤维拼混获得的颜色空间分布更加均匀,更倾向于黄(+b^*),色相角(h)分布范围集中在0°～50°、316°～360°区域;Kubelka-Munk模型和Stearns-Noechel模型可分别用于天然染料一浴法染色羊毛织物和羊毛有色纤维拼色的颜色预测,为进一步提高生产效率、降低配色成本提出新思路。     

混色毛涤弹力牛仔面料的研究与开发

针对精梳毛纺织厂的条染色差、色花问题,提出不用回染和套染,而将其色条采出主色样,建立批尾色样库,按市场流行色进行拼配色混纺成系列色纱做经纱,纬向配以50%的毛涤氨纶包缠纱,织造出精梳混色多组分系列毛涤弹力牛仔面料,既节约能源降低成本,又开阔了开发产品的思路.     

含荧光增白剂织物的三波段法配色

由于荧光增白剂的特殊光学性能,使得含有荧光增白剂的织物配色困难。通过分析荧光增白剂的反射率曲线,应用发射区荧光染料的反射率计算公式,研究了荧光增白剂的配色方法,提出了荧光增白剂计算机配色的三波段法———即对荧光增白剂的配色分发射区、激发区和无影响区分别进行。通过20个拼色试样的染色实验和计算,证明本方法适用于荧光增白剂的配色,且方法简便。最大色差为3.94。