BP 神经网络在显示器色空间转换中的应用

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。     

基于数码打样CMYK到L*a*b*色彩空间转换方法的研究

通过对ECI2002标准色靶数码打样样张进行实验数据测试、分析得到其色块网点呈色符合平面规律,并建立起不同K值下的CMYK到L*a*b*色彩空间转换方程,应用△E*ab色差公式进行精度检验后,最终得出基于平面理论建立起来的CMYK到L*a*b*色彩空间转换方程是实现数码打样设备色空间转换的有效方法,可为数码打样中色彩管理色空间转换部分的研究提供更加广泛的理论依据.     

基于Intellitrax的印刷色彩检测与控制系统

针对印刷品色彩质量的要求,提出了基于Intellitrax的印刷色彩检测与控制系统的方案,并给出了系统流程图。介绍了系统的5大关键技术:对色彩控制条的要求,基于Intellitrax SDK的色彩检测程序开发,色墨转换工艺实验及转换算法,数据库的建立,及色彩质量评估。其中重点介绍了基于Intellitrax SDK的色彩检测程序开发。所开发系统可应用于四色胶印机上,提高印刷色彩质量,提高产品的技术含量。     

一种基于显示设备的色域线性匹配算法

色域匹配算法是色彩空间转换的核心,本文首先介绍了色域匹配相关的基本概念和色域匹配算法的分类,然后提出了一种基于显示设备的色域线性匹配算法,并对线性匹配算法和分段色度匹配算法进行了对比实验测试。     

CIELAB色空间内窥镜色彩还原能力对比分析

基于CIELAB色空间评价硬性内窥镜色彩还原能力,并进行4支硬性内窥镜色彩还原能力对比分析.通过与内窥镜连接的工业相机拍摄内窥镜观测到的色彩标靶图像,拍摄图像发送至计算机保存并处理.处理后得到图像中红绿蓝色块的RGB值,将RGB值转换至CIELAB色空间进而求得图像的L*、a*、b*值,最后利用已知标靶色块的L*、a*、b*值和求得的图像L*、a*、b*值计算CIELAB色差△Eab*,即色彩还原误差值.实验数据表明:4支内窥镜的色彩还原误差值都在47.9以上;4号腹腔镜对红、绿、蓝三色块的色彩还原误差值最小,色彩还原能力最好;2号宫腔检查镜对三色块色彩还原误差值比较大,色彩还原能力最差;1号鼻窦镜和3号关节镜的色彩还原能力处于中间水平.CIELAB色空间作为国际通用的测色标准,可以用于评价硬性内窥镜色彩还原能力.     

RBF神经网络在显示器色空间转换中的应用

目的研究RBF神经网络对显示器色彩空间转换预测准确性的方法。方法通过编程借助Measure Tool软件自动测量获取建模和测试数据,通过反复测试选择建模合适的函数和参数,最后用RBF神经网络模型进行仿真实验,以获取较好的RGB转换到Lab色空间的转换模型。结果 RBF神经网络模型测试得到的色块平均色差达到0.75,最大色差达到19.7。结论该方法建模简单方便,网络训练速度快,转换精度高,对显示器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。     

基于CAMSHIFT算法和形态学的人手动态分割

动态图象分割是计算机视觉分析中一个重要和困难的任务。该文讨论了一种基于CAMSHIFT算法和形态学的动态跟踪分割。首先把采集到的图象由RGB色彩空间转换到HSV色彩空间,因为肤色对HSV色彩空间的H色调具有恒常性。其后在HSV颜色空间建立肤色直方图模型,确定肤色概率度,运用CAMSHIFT算法对人手动态跟踪,然后运用形态学重构闭运算去除空洞和噪声。实验证明该方法能够有效的实现了人手的动态分割。     

基于三维查找表法的调频加网呈色模型研究

主要研究建立调频加网工艺条件下的三色呈色数学模型,也就是建立调频加网工艺的色彩转换模型.专门针对调频加网工艺的色彩转换数学模型,国内外的研究较少.通过分析现有印刷颜色转换的数学模型,针对典型的CTP胶印调频加网工艺条件,采用三维查找表法建立从设备相关色空间CMY到设备无关色空间CIEXYZ或CIELab的色空间转换模型.分析、验证这种数学模型时调频加网工艺的理论适用性与实际应用性.     

基于三维查找表插值算法的显示器色彩空间转换模型的研究

采用三维查找表的转换方法,建立了RGB-CIELab色彩空间转换模型,取得了较好的实验结果,模型转换的色差都小于3,在人的视觉不敏感范围内。比较研究了4种插值算法模型的精度,结果表明:随着将立方体的分区细划,转换精度越来越高。     

虚拟打样的BP神经网络模型

在色彩管理中,总是要进行色空间的转换,而这种色域变换是一个非线性的复杂过程.为了更好的实现这种转换,通过对训练方法、传递函数、隐层数及隐层单元数的比较,最后得出一个较理想的CMYK到Lab色空间转换的BP神经网络模型.     

基于三维查找表的RGB到XYZ颜色空间转换的研究

在分析三维查找表算法基本原理的基础上,采用Matlab编程建立了RGB到XYZ颜色空间的转换模型,并实验比较了4种插值算法的模型精度。研究结果表明:转换模型的转换精度较高,效果理想,且随着RGB颜色空间被划分的越细小,转换精度会越高。     

神经网络在色空间转换中的应用

通过运用MATLAB7.8进行了BP和RBF的数值仿真,并作出了二者的转换误差图,研究了采用BP和RBF神经网络方法进行色空间转换的精度差异问题。结果表明:BP神经网络由于本身收敛速度慢及训练无记忆性等缺陷,整体性能低于RBF神经网络,即用RBF来解决色彩管理中的色空间转换问题更符合要求。     

基于生成对抗网络的小样本颜色空间转换方法

目的 解决基于深度学习的颜色空间转换方法需求样本量大、样本采集成本高的问题。方法 以色度学和深度学习方法为基础，提出融合多通道校正的Cor−WGAN模型，设计多阶段训练方法，在小样本条件下，学习RGB到CIELab颜色空间的转换关系。先在标准颜色空间下测试模型的转换效果，再设计非标准颜色空间仿真实验和逆转换实验，并测试模型在实际应用中的效果。结果 实验结果表明，文中提出的Cor−WGAN模型的小样本学习能力较强，在64个均匀分布样本的训练条件下就可实现较好的转换效果，转换的平均色差为1.71，最小色差达到0.16，超过90%的样本点可以达到人眼无法分辨色差的转换程度。结论 文中算法在处理小样本颜色空间转换任务方面具有明显优势，为基于深度学习的色彩管理应用提供了一种新思路。     

基于OSA-UCS数据的CIECAM02图像复制色差评价

目的为了改进彩色图像复制时在不同观测环境下的误差,将优化后的色貌模型引入色彩信息转换。方法在分析CIECAM02-Jab用于彩色图像复制的色彩评价的基础上,提出利用OSA-UCS数据集建立新的优化色貌空间实验方案。利用线性回归的方法,调整原始颜色空间中的明度和彩度,构建出新的均匀颜色空间J_xa_xb_x。结果经过检验发现新的优化色貌空间J_xa_xb_x色差的离散程度减轻,空间更趋均匀,更加符合均匀性标准。结论新的优化色貌空间J_xa_xb_x修正了均匀颜色空间的均匀性,比CAM02初始色貌空间有了一定程度的提高,对彩色图像复制的色差评价取得了一定的效果。     

基于BP神经网络的数码相机颜色特征化

以色度学理论和神经网络为基础,在综合比较数码相机颜色特征化方法之后,采用了基于BP神经网络的颜色特征化方法。利用MATLAB实现了从RGB到XYZ及Lab的颜色空间转换,比较了2种转换模型的精度,统计分析了该模型产生训练误差和测试误差的主要原因,验证了RGB→Lab转换算法是一种较优和可靠的方法。     

基于立方体内缩的反向颜色空间转换算法

目的提出一种基于立方体内缩的反向颜色空间转换算法,实现颜色值从CIELab颜色空间到RGB颜色空间的转换。方法选取4096组建模点和512组测试点,以三维查表插值法为理论基础,设计一种基于立方体内缩的方法逐步搜索符合条件的特征点来代替测试点,计算得到测试点反向转换后的RGB值。结果通过CIELAB 1976,CIE94和CIE2000色差公式对算法的转换精度进行评价,计算测试点的Lab值和反向转换得到RGB值对应的Lab值之间的色差。测试点的平均色差分别为2.07,1.53和0.96,大部分色差的分布范围在0~3之间,算法的转换精度较高。测试点反向转换后的结果较为理想,在绿色调区域和亮度较低的红色调区域的精度可进一步提升。结论实验结果表明此算法可精准、快速、有效地实现颜色值从CIELab颜色空间到RGB颜色空间的转换。     

基于饱和度优先的 BP 神经网络颜色空间转换模型研究

利用神经网络算法的非线性转换优势,构建了基于BP神经网络的颜色空间转换正向和反向仿真模型,提出了数据仿真饱和度优先的方法。通过训练样本的选取、仿真实验和数据分析,得到了较好的训练效率和转换效果。仿真结果表明,BP神经网络适合于颜色空间转换,转换精度较高。