3种基于分区纽介堡方程的分色算法的误差分析

在分析基于线性回归、指数修正、胞元划分等3种算法原理的基础上,设计了实验,以评价3种算法在精度、稳定性上的优劣,从而为改进和优化分区纽介堡分色算法提供方向和思路。研究表明:在高保真印刷环境下,线性回归纽介堡方程精度和稳定性最低,指数修正纽介堡方程精度和稳定性其次,胞元划分纽介堡方程精度和稳定性最高。     

基于半色调实地的纽介堡方程修正方法

目的从网点墨量与实地墨量不同的角度出发,构建基于半色调实地三刺激值的纽介堡方程修正模型,从而提高纽介堡方程的计算精度。方法以符合G7认证的印刷标准文件为研究对象,从网点墨量与实地墨量不同的角度出发,通过求解半色调实地三刺激值,构建基于半色调实地三刺激值的纽介堡方程修正模型,利用色差法对该修正模型进行精度验证。结果验证结果表明,修正模型色差精度最大可以提高2.2 NBS,平均色差精度可以提高1.0 NBS。结论基于半色调实地三刺激值的纽介堡方程修正模型能够有效提高方程精度,研究结果对于印刷分色具有重要意义。     

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。     

3种主流分色算法的误差分析

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。     

XYZ到CMY颜色空间转换的研究

利用纽介堡方程研究三刺激值和网点面积率之间的转换关系,实现XYZ到CMY颜色空间的转换。并利用网点增大量法修正了纽介堡方程,提高了转换精度。     

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。     

纽介堡方程计算精度的研究

研究了纽介堡方程的计算精度,即用不同尤尔-尼尔森系数n修正的纽介堡方程计算印品青、品、黄的网点百分比,然后讨论计算精度.实验发现,随着n值的增大,纽介堡方程计算精度降低,且黄色对n值最敏感.     

BCC-BP算法在RGB值到LAB值色彩空间转换中的应用

目的 为了有效克服BP神经网络算法权阈值随机选取造成的模型预测精度不高、结果输出不稳定的问题.方法 提出细菌群趋药性(BCC)算法和BP神经网络算法相结合的BCC-BP神经网络算法,采用BCC算法来选取BP神经网络初始权阈值,克服初始权阈值随机选取带来的问题,并将该算法应用到RGB到LAB色彩空间转换模型中.结果 按照国家普通印刷品的允许误差范围规定在6个标准色差单位以下的要求,在色差小于6的预测区间,基于BCC-BP算法的预测准确率达到81.07％,好于BP,GA-BP和PSO-BP算法,同时对于平均色差ΔE小于6个标准色差单位的要求,BCC-BP算法10次预测结果全部低于6.结论 采用BCC算法辅助BP神经网络进行初始权阈值的选取,可以有效提高BP神经网络模型在色彩空间转换应用中值的输出精度和稳定性.     

基于胞元式 RBF 神经网络的高保真分色模型研究

采用胞元式RBF神经网络模型对七色印刷输出系统构建了分色模型。首先,借鉴颜色空间分区理论将7个主色在整个颜色空间中划分为了6个颜色区域,在每个分区中选取了CIE L*a*b*明度值L上等间隔均匀采样的网点面积率,用于设计建模所需的训练样本,然后对每个分区划分胞元,并且为每个小胞元建立了基于RBF神经网络的分色模型。对于任意给定的要复制的目标色,利用提出的胞元搜索算法确定其所在的胞元位置后,使用相应的神经网络模型进行分色预测。实验结果表明,该分色算法能够达到较高的分色精度,可以满足高质量彩色复制的要求。     

基于粒子群算法优化 BP 神经网络的色彩空间转换

目的研究基于粒子群算法优化BP神经网络对显示器色彩空间转换的预测准确性的方法。方法主要通过数据归一化处理、改进最大限制速度、惯性常数和适应度函数来优化BP神经网络的权值和阈值,以缩小其分布范围,再用BP神经网络法进行色差预测。结果改进粒子群算法优化BP神经网络预测模型,测试20次得到色块平均色差为2.8526,最小平均色差为2.0453。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,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。     

遗传算法优化 BP 神经网络的显示器色彩空间转换

目的基于改进遗传算法优化BP神经网络,研究对显示器色彩空间转换的预测准确性的方法。方法通过改进数据归一化处理和遗传算法的适应度函数,来优化BP神经网络的权值和阈值,以将它们的分布范围缩小,再用BP算法进行精确求解,并将该方式与常规方式作对比。结果训练优化后的BP神经网络预测模型20次,测试色块平均色差为2.9353,最小平均色差为1.9467。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,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BP 神经网络的颜色测量仪器台间差自适应修正模型

依据明度值对色块进行分区处理,按各区占总样本的百分比选取训练样本,采用BP 神经网络模型进行X-Rite 530 与SP60 测量数据的拟合。仿真结果及主观评价Z 得分显示,基于BP 神经网络的X-Rite 530 与SP60 台间差自适应修正模型优于三维空间拟合修正方法。提出的自适应修正模型为实现由低精度到高精度颜色测量仪器色度值的转换提供了理论依据,提高了印刷质量检测精度。     

一种数码喷墨印花机的颜色特性化方法

目的为了提升数码印花中彩色图像的复现精度,提出一种在子空间采用遗传算法优化BP神经网络的颜色特性化方法。方法介绍遗传算法(GA)优化BP神经网络的基本原理,设计一种在L*a*b*颜色子空间建立的颜色特性化模型,并对1000个色样开展GA-BP神经网络模型训练实验,最终拟合出印花色样的L*a*b*色度值和输入的印花图像RGB驱动值之间的非线性关系。结果该方法对125个测试色样的颜色特性化预测结果显示,超过90%的色样色差分布在2.0以内,光谱均方根误差(RMSE)分布在0.02以内。结论该方法较未进行遗传算法优化BP神经网络,预测精度得到明显提升,能够达到较高的数码喷墨印花彩色图像复现精度。     

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。     

广义回归神经网络在显示器颜色空间转换中的应用

目的 研究广义回归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MeasureTool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参数, 并用广义回归神经网络模型进行仿真实验, 以获取较好的RGB-Lab色空间转换模型。结果 经广义回归神经网络模型测试, 得到色块平均色差达到2.5275, 最大色差达到19.3620。结论 该方法建模简单方便, 网络训练速度快, 转换精度高, 对显示器颜色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。     

喷墨打印纸印刷适性预测模型

目的研究广义回归神经网络对喷墨打印质量进行预测的可能性。方法测试不同喷墨打印纸的定量、平滑度、白度、光泽度、粗糙度等印刷适性,在相同条件下打印后测量印刷品色度,利用广义回归神经网络结合印刷品色度指标与喷墨打印纸印刷适性指标,并建立预测模型。结果基于广义回归神经网络的预测模型预测得到印刷品最小色差达到4.7215,最大色差达到4.8638。结论该模型可以定量描述喷墨打印纸印刷适性对印刷品色差的影响,为选纸提供试验及理论依据。