共查询到14条相似文献,搜索用时 296 毫秒
1.
BP 神经网络在显示器色空间转换中的应用 总被引:3,自引:3,他引:0
用色彩管理软件以及分光光度仪对显示器的屏幕进行了校准和特性化,采用BP 神经网络法建立了从RGB 色空间到Lab 色空间的转换模型。通过对实验数据进行对比分析,结果表明这种算法对色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。 相似文献
2.
彩色显示器颜色特征化的研究 总被引:1,自引:1,他引:0
为了研究显示器颜色特性化问题,用多项式回归方法对色谱进行了分析,分别采用一次拟合与二次拟合建立了CIERGB到CIEL*a*b*空间的多项式模型。通过色差ΔE和拟合方差σ2的比较,分析了模型的差异。结果表明:多项式模型项数为9和11时,模型效果较为满意,项数为20时,模型出现震荡;并且二次拟合比一次拟合效果好。 相似文献
3.
印刷品质量检测颜色转换模型研究 总被引:1,自引:1,他引:0
目的研究印刷品质量检测中的颜色转换模型。方法基于色靶的测量数据,采用三维查找表法和多项式回归法,分别建立RGB与CIE L*a*b*颜色空间转换模型,并实验比较了2种算法转换模型的精度。结果三维查找表法转换模型的最大色差为3,四面体插值算法精度稍高于三线性、三棱柱和金字塔插值算法,平均色差为0.64;多项式回归算法的精度随着项数的增多而提高,20项的平均色差为2.58。结论三维查找表法转换模型精度高于多项式回归法,效果理想,能判断出CCD采集到的印刷图像是否存在色偏,且随着RGB颜色空间划分越细小,转换精度会越高。 相似文献
4.
5.
RGB到CIEXYZ色彩空间转换的研究 总被引:12,自引:12,他引:0
介绍了RGB和CIEXYZ颜色空间,采用多项式回归算法建立了RGB到CIEXYZ色彩转换模型,并编程实现了转换实例,最后分析了此模型的精度. 相似文献
6.
基于三维查找表的CRT色空间转换的研究 总被引:1,自引:1,他引:0
彩色显示器是用来传达颜色信息的重要工具,而色彩在不同设备和系统上往往会造成差异,因此对显示器建立一个色彩管理系统很有必要.采用三维查找表的方法建立了RGB-CIELab色彩空间转换模型,完成了模型的色差计算与精度分析,取得了较好的实验结果,为建立显示器的色彩管理系统提供了依据. 相似文献
7.
8.
目的为实现LCD显示器的光谱特征化,提出一种基于子空间划分的BP神经网络结合PCA的光谱特征化模型。方法对显示器色空间进行子空间划分,在各子空间中进行模型的训练与检测。结果子空间划分后模型的色度和光谱精度,较未进行子空间划分的模型有明显提高,PCA在不影响模型精度的同时,降低了光谱维度,提高了算法的运行效率。结论该模型是一种高精度显示器特征化模型。 相似文献
9.
设备特征化过程中的三棱柱插值与多项式回归算法研究 总被引:4,自引:4,他引:0
介绍了目前设备特征化过程中色彩空间转换的主要方法,以从RGB色空间到Lab色空间的转换为例,讨论了三棱柱插值和多项式回归这2种算法,并通过实验检验了2种算法的效果,对实验数据进行了对比分析。结果表明,这2种算法在色彩管理领域的应用均有继续改进的空间。 相似文献
10.
3种主流分色算法的误差分析 总被引:4,自引:4,他引:0
在分析多项式回归、神经网络、修正的纽介堡方程这3种主流分色算法基本原理的基础上,对这3种类型算法分别采用新的实现方法进行设计,即:多项式回归算法的建模,通过多元回归分析求解出多项式的最小二乘估计值进行;神经网络算法的建模,采用基于径向基的RBF神经网络;纽介堡方程的建模,采用迭代法直接求解的方式。最后采用Matlab编程实现,并实验比较了3种算法的分色精度、稳定性等性能。研究结果表明:多项式回归算法稳定性和精度都最佳且平均色差小,RBF算法色块建模速度快,转换效果较好。最后分析了分色结果,提出了算法改进方向。 相似文献
11.
目的为了实现颜色光谱到设备相关颜色空间的特征化。方法采用一种RBF网络和立方体等级细分相结合的方法,构建LCD显示器颜色光谱到RGB数值转换模型。结果客观验证343个颜色光谱反向转换的平均色差为0.61,最大色差为2.62。结论该模型是一种精度较高的反向特征化模型。 相似文献
12.
13.
基于多项式回归的七色分色方法 总被引:1,自引:0,他引:1
利用多项式回归法进行分色建模,结合灰平衡及兼色设置,获得了最终的分色结果,然后设计实验,从分色误差、分色精度方面进行了评价。 结果表明,该分色方法取得的分色效果较好,可以更加准确地进行颜色复制。 相似文献
14.
目的实现LCD显示器RGB颜色空间到颜色光谱高效的特征化。方法利用主成分分析法对光谱数据进行降维处理以及借助RBF神经网络研究输入变量数据范围、视觉加权函数和颜色数量对特征化模型的精度影响。结果主成分个数为6时可以很好地保留光谱原来的信息;输入变量范围为0到2.55,CIE1931视觉函数作为加权函数,颜色数量为364时特征化精度高,客观验证99个颜色转换的平均色差为0.36,最大色差为1.59,总样本的平均色差为0.17。结论输入变量数据范围对模型影响最大,视觉加权函数和颜色数量次之,因此在特征化时要考虑输入变量范围、视觉加权函数和颜色数量,这样可以提高模型的精度。文中提出的模型是一种精度较高的特征化模型,具有一定实际应用价值。 相似文献