一种CMYK到YYCC色彩空间转换的整型方法

在简要介绍提升理论的基础上,给出了实现CMYK到YYCC色彩空间相互转换的整型方法和实现过程.所采用的方法,对实现其它色彩空间之间的整型转换具有指导作用.     

设备特征化过程中的三棱柱插值与多项式回归算法研究

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。     

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.     

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。     

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。     

RGB到CIEXYZ色彩空间转换的研究

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.     

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。     

印刷品质量检测过程中的色空间转换方法研究

在标准图像和待测图像配准的基础上,采用几何插值法进行RGB到Lab的色彩空间转换。首先在原色空间中进行了非均匀分割,建立了查找表,然后在分割得到的栅格中应用四面体插值算法完成了到目标空间的转换,并且计算了对应点的色差,对转换后的色差分布进行了分析,以用于对印刷品是否存在偏色进行判定,效果较好。     

基于模拟退火算法优化BP神经网络的色彩空间转换

目的研究基于模拟退火算法优化BP神经网络对喷墨打印机色彩空间转换预测准确性的方法。方法通过数据归一化处理、模拟退火算法优化BP神经网络的权值和阈值,以获取它们的全局最优解,再用BP神经网络法进行色差预测。结果模拟退火算法优化BP神经网络预测模型测试15次得到色块平均色差达到2.3067,最小平均色差达到0.7892。结论该方法优化BP神经网络精度非常高,对喷墨打印机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。     

配色设计研究现状综述

目的 简要介绍近年来配色设计研究的内容、方法和技术,并提出一些待解决的问题及可行的相关理论.方法 从色彩表达模型、色彩意象和配色设计方法3个方面对配色设计的研究现状进行梳理.色彩表达模型介绍了色彩空间、色彩网络等对配色设计问题进行形式化表达的模型研究;色彩意象介绍了个性化偏好、感知意象、情感意象和文化意象等四种意象指标的研究;配色设计方法介绍了各类智能算法的应用成果.结论 归纳了配色设计领域的研究结果应用性、配色方案的编码设计、意象目标的中介性、洗牌和色区操作等问题和研究需求,提出并讨论了超图、语义空间映射和非等位基因交叉等理论与方法在解决配色设计本质问题上的可能性.     

多项式回归法在印刷品质量检测中的研究

采集1000样本点用多项式回归方程法建立RGB到L*a*b*颜色空间的转换模型,计算色差,分析多项式回归方程法的优点及缺陷。实验结果表明:多项式回归方法计算方法简单,易于逆运算,且运行速度快。     

关于颜色空间转换的RBF网络动态子空间自动划分辨识方法研究

以RGB与CIEL*a*b*颜色空间转换为例,采用径向基函数(RBF)神经网络,研究了颜色值在不同颜色空间之间的转换。利用基本采样数据集建立了颜色空间转换RBF网络模型,并通过增加样本数据,采用动态规划颜色子空间的方法,提高了模型转换精度。研究结果显示,该方法的转换速度和精度都优于基于动态子空间自动划分的BP神经网络颜色空间转换方法。     

基于划分子空间的数码相机颜色空间转换方法研究

基于数码相机的印刷品质量检测是未来发展的方向,在颜色检测领域需要首先解决色空间转换的精度问题。采用分子空间的多项式回归法实现了从RGB 颜色空间到CIEL* a* b* 颜色空间的转换,首先把RGB 颜色空间划分成若干个子空间,然后在每个子空间中运用最小二乘法建立多项式模型,对任意RGB 颜色值根据其所在子空间求解对应的多项式方程,即可得到L*a*b*值。实验表明,该方法的转换精度有了很大程度的提高,能够满足数码相机色空间转换的基本要求,为基于数码相机的印刷品质量检测奠定基础。     

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。     

基于胞元搜索的显示器颜色特征化模型

为提高显示器颜色转换模型的精度,提出了一种基于胞元搜索的四面体插值特征化模型。该模型首先对查找表数据进行胞元划分,通过胞元搜索的方法,找到目标颜色所属的立方体子空间,然后运用四面体反向插值,实现颜色从CIE Lab空间到RGB空间的转换。检测样本的试验数据表明:所提模型的预测精度较高,平均色差达到0.95 CIE Lab色差单位,94%的样本色差值小于3 CIE Lab色差单位。新模型的数据结果优于已有文献算法的,因而,所提颜色特征化模型可实现显示器颜色空间的准确转换。     

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。