印刷品质量检测颜色转换模型研究

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。     

基于视觉特性的LCD显示器光谱特征化方法

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。     

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。     

CIE DE2000在彩色扫描仪特征化色差评价中的应用

采用支持向量回归机(SVR)建立了RGB色空间到CIE Lab色空间的转换模型,分别采用CIE DE2000与CIE 1976L*a*b*色差公式对模型精度进行色差计算。采用CIE DE2000色差公式得到的测试组色差平均值、最大和最小值分别为2.659 7,5.219 4和0.206 5,采用CIE 1976L*a*b*色差公式得到的测试组色差平均值、最大和最小值分别为2.865 6,5.879 1和0.376 9。实验结果表明,CIE DE2000与CIE 1976L*a*b*色差公式计算的色差值基本一致,均符合彩色扫描仪特征化精度要求,可将CIE DE2000色差公式用于扫描仪特征化管理中。     

基于最佳立方体细分的显示器颜色再现模型

目的建立一个显示器颜色再现模型,模型以NEC显示器为实例,实现Lab到RGB的转换。方法模型以修正的立方体细分算法为基础,通过对色域外的点进行处理,并且选定一个最佳细分等级,来平衡转换精度和算法计算量,从而实现显示器的颜色再现。结果采用CIELab色差公式[1]分析实验数据,模型转换过程平均色差为1.8068,在人的视觉可接受范围内,最大色差仅有4.6051,模型的颜色再现精度高。结论文中建立的模型可以实现显示器从Lab到RGB的准确转换。     

基于多项式回归模型的显示器特征化研究

在用色彩管理软件以及分光光度仪对显示器进行屏幕的校准和特性化后,以多项式回归算法建立RGB到Lab 颜色转换模型,通过实验分析了多项式回归模型不同项数、不同样本对液晶显示器特性化精度的影响。结果显示,用多项式回归算法建立的三阶三元二十项多项式可以得到色差为2. 5 左右精度较高的预测模型。     

一种LCD显示器颜色光谱反向特征化方法

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。     

胞元纽介堡模型颜色预测性能的影响因素分析

目的 以色彩管理系统的研发为目标,研究多个因素对正向纽介堡模型颜色预测性能的影响,为模型应用提供参数优化方案.方法 借助Matlab平台模拟基于不同胞元等级、不同检验样本的位置和数量,以及不同胞元个性化修正方案的胞元纽介堡模型,并通过样本打印和测量实验,评价上述各因素对模型颜色预测性能的影响,确定模型的最优参数方案.结果 模型精度随胞元划分等级的增加而提升,但在4或5级胞元后精度逐渐稳定.另外,胞元内采样点数量、位置以及是否采用胞元个性化修正方案,对颜色转换精度都没有产生有效影响.确定将5级胞元划分,胞元中心采样和所有胞元统一修正指数作为胞元纽介堡模型的参数优化方案,与同类型算法模型的比较结果表明,在采样数量一致的情况下,参数优化的胞元纽介堡模型与i1 Profiler软件,胞元神经网络模型的预测色差都小于1个CIEDE2000色差单位,且相互间的差别都小于0.15,在系统误差范围内,胞元顶点距离插值算法的预测色差则达到了3以上.从算法结构上考虑,神经网络模型需要对所有胞元进行训练建模,计算量较大.结论 综合考虑算法精度和效率,参数优化的胞元纽介堡模型可以满足目前印刷工业中色彩复制的需要.     

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。     

数字图像设备色度特征化建模软件研究

彩色图像在数字图像设备之间的传输和复制过程中,为保证其色彩还原的准确性和一致性,必须实施色彩管理,而色彩管理的核心技术之一就是对数字图像设备进行色度特征化.在研究了数字图像设备色度特征化的原理和方法的基础上,基于多项式回归法,建立了数字图像的设备色度值RGB与CIE标准颜色空间色度值CIE Lab之间的非线性关系;并通过Matlab软件编程,设计一种数字图像设备色度特征化的快速建模软件.实验结果表明,应用该软件可实现设备色度值RGB与标准颜色空间色度值CIE Lab的快速精确转换.     

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。     

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。     

一种高效的胞元光谱纽介堡模型胞元搜索算法

采用训练样本排序框定初始胞元、差异优先搜索最优胞元和初始胞元再扩大方法,建立了CYNSN 模型的胞元搜索算法。实验结果表明,CYNSN 模型胞元搜索算法能使CYNSN 反向模型在色度和光谱反射率上实现高精度复制,和已有的CYNSN 模型相比,胞元搜索算法不仅保持了CYNSN 模型的精度,而且效率提高了10倍。     

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。     

三角剖分技术在颜色空间转换技术方面的应用

引入三角剖分技术,不仅成功解决了设备色域范围的确定问题,而且实现了三维查表插值法的分区。结合三维查找表四面体插值法,优化搜索算法,建立颜色转换模型。经216块全色域样本色靶检验,其转换精度与传统的Neugebauer方程反求转换模型相比,色彩转换精度高、效率高,取得了良好的建模效果。     

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。