基于模糊控制理论和BP神经网络系统的颜色空间转换模型研究

数字印前系统中色彩管理是一个重要的环节,而颜色空间的转换则是色彩管理的核心,特别是由设备相关颜色空间RGB到设备无关颜色空间CIELAB的转换。将模糊控制理论引入颜色空间转换模型,取得了较好的转换效果但仍存在色差大等缺点。本研究提出采用模糊控制模型将输入颜色空间动态划分为若干子空间,在子空间内部利用BP神经网络对颜色空间转换模型进行优化,得到了基于模糊神经系统的颜色空间转换模型。实验表明,该改进模型相对于单纯的基于模糊控制的转换模型而言,转换精度有很大提高。     

基于动态子空间划分的BP神经网络颜色空间转换模型辨识方法研究

为了提高BP神经网络色彩空间的转化精度,本文以RGB颜色空间与Lab颜色空间为例,将颜色空间根据所求颜色值动态划分成若干子空间,在子空间中采用BP神经网络进行颜色空间的转换,即可有效避免神经模型在整个颜色空间中出现的局部最优现象,从而可大大提高颜色空间的转化精度。     

基于径向基函数神经网络的颜色空间转换研究

先进的ICC色彩管理技术,是以色彩空间变化为核心的新型色彩控制方法,其中CMYK与Lab颜色空间转换在色彩管理中具有广阔的理论研究价值和实用价值。本文首先采用ECI2002标准色靶数据,均匀选取建模数据及检验数据,并进行归一化处理;然后基于径向基函数(RBF)神经网络,建立CMYK到Lab及Lab到CMYK的颜色空间转换模型;最后对转换模型精度进行评价。研究表明:RBF神经网络适合于CMYK与Lab间的颜色空间转换,其建模简单方便,网络训练速度快,转换精度高。随着建模方法的改进,该方法用于颜色空间转换将会有广阔的发展空间。     

基于神经网络的数码相机颜色空间转换方法研究

数码相机作为一种常见的图像采集设备被广泛应用,对其进行颜色空间转换的研究具有重要的应用价值。文中研究了基于神经网络的数码相机颜色空间转换中的6个影响因素,提出了利用数据归一化预处理解决函数收敛性问题的方法,并分析了合理设定目标误差对优化系统性能、提高运算效率的作用。实验在2种不同的光源下,采用该转换方法对3款不同型号的数码相机进行研究和评价,得到△E_ab^*≤6的转换结果,证明基于神经网络的数码相机颜色空间转换的实用性。     

印刷中常用颜色空间转换模型的分析与研究

随着各种图像输入和输出设备在现代印刷中的广泛应用,数字原稿在各种设备之间的传递和转移已经成为印刷复制的主要任务之一。但由于不同设备的呈色方式不同,从而引起相同的图像文件在不同设备上表现出的色彩会有很大差异,所以要实现     

BP神经网络在纺织工业中的应用

介绍了神经网络的发展历史,对BP网络的算法进行了详细的讨论,分析了BP网络在纺织工业中应用的主要步骤。     

CRT颜色空间向CIE标准颜色空间的转换

随着电子技术、计算机技术以及数学、物理学等多学科的迅速发展,图像复制的理论、方法、工艺技术也在不断地变革和发展,现阶段图像复制已经从“模拟”复制发展到“数字”复制阶段。数字图像复制可以利用各种新技术对图     

TCS230颜色传感器结合BP神经网络在颜色识别系统上的研究

针对TCS230颜色传感器对颜色识别的快速和高精度的特点,提出结合BP神经网络用于颜色识别系统的研究.采用该传感器搭建非接触式颜色检测电路,用于色卡集的RGB频率值的测量.利用2 200个训练色卡集构建BP神经网络,28个色卡集测试该BP网络;为使目标颜色的隶属类同人眼观察到的模糊结果统一起来,采用CIE1976Lab均匀颜色空间及色差公式,用于目标色卡同黑、蓝、绿、青、红、紫、黄、白8种常见颜色的色差聚类计算.试验验证了颜色传感器TCS230采用BP神经网络技术用于颜色识别,同人眼的颜色感觉大体一致,能较好地反映人对物体颜色的心理感受,取得了良好效果,在食品加工行业有较好的应用前景.     

BP神经网络在数控伺服系统中的应用

在分析三环伺服系统的基础上,针对传统PID控制的不足,将BP神经网络与常规PID控制相结合,提出了一种基于BP算法的PID控制新策略,通过编写有关程序,应用Matlab进行仿真运行.仿真实验表明系统跟随输出响应迅速,超调小,调速精度高,且能适时对参数进行在线调整,表现了很好的自适应性和鲁棒性,能很好地满足系统设计要求.     

基于BP神经网络的全色域彩色纱颜色预测模型构建

针对传统测配色理论的局限性,利用神经网络良好的非线性映射能力构建一种全色域彩色纺纱的颜色预测模型。以灰、青、品红、黄作为四基色进行全色域混色模型的构建,并选取该全色域模型中的66个网格点进行纺纱,制备混色纱及织物,利用分光光度计测出66种织物的光谱反射率曲线,建立基于颜色预测混纺比和基于混纺比预测颜色值的神经网络,并根据预测值与实际值之间的色差值和均方误差评估这两种神经网络的准确性。结果表明：基于BP神经网络的颜色预测模型可以实现色纱颜色值与四基色颜色比例之间的非线性映射,测试样本的平均色差在2,后续将使用遗传算法或粒子群优化算法对其进一步优化,提高全色域彩色纱颜色预测模型的准确性。     

基于BP网络的扫描仪色彩空间转换模型的研究

本文提出了一种基于BP网络的扫描仪色空间转换的方法。它既解决了RGB色空间到CIELab色空间的非线性转换,又可用于其它的色空间转换。实验结果表明,利用BP网络建立扫描仪色空间转换模型取得了很好的效果。     

基于BP神经网络的烟熏香肠色泽预测研究

以传统烟熏方式加工的香肠为研究对象,利用反向传播(Back-Propagation,BP)神经网络建立烟熏香肠色泽的预测模型。通过试验获得不同烟熏温度、烟熏时间和肥瘦比条件的烟熏香肠,测定其L*、a*、b*和△E值,并对BP神经网络算法、隐含层神经元个数、学习速率和动量系数进行优化,获得最佳的BP神经网络预测模型结构。基于Levenberg-Marquardt算法建立精确的L*、b*和△E预测模型,性能测试显示L*、b*和△E预测模型的相关系数(R2)分别为0.847、0.825和0.924。相应的均方根误差(root mean square error,RMSE)分别为4.609、3.564和5.012。基于拟牛顿BFGS算法建立精确的a*值预测模型,性能测试显示模型的R2和RMSE分别为0.905和2.237。     

BP神经网络在服装人体工效学中的应用

文章通过介绍BP神经网络在服装样板自动生成、号型选择和服装舒适性预测等服装人体工效学领域的研究进展,表明BP神经网络作为一个智能化工具,可简化服装人体工效学中一些复杂问题的能力,特别对解决由诸多非相关因素共同影响下的服装舒适性等问题具有重要的意义。     

BP神经网络在液浆浓度检测中的应用

针对液浆浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,以实验数据为基础,采用了多元线性回归建模和BP神经网络建模2种方法,分别建立了检测系统的数学模型。利用MATLAB进行仿真,研究了采用不同的数据处理算法的差异,通过误差对比分析,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化的非线性影响的结论。     

基于RBF神经网络的色彩空间转换研究

针对可变数字印刷中色彩空间转换的要求,文章提出一种基于RBF神经网络的RGB(Red,Green,Blue)→CMYK(Cyan,Magenta,Yellow,Black)色彩空间转换方法,解决了Lab色彩空间到CMYK色彩空间的非线性关系。通过研究分析RBF神经网络的原理,建立了基于RBF神经网络色彩空间转换数学模型,并在该模型下进行数据的预测与精度分析。实验结果表明,该方法实现的转换精度非常高,转换后的色偏明显减小,转换速度也很快。     

BP神经网络在粮食霉变预测中的应用研究

霉变是造成粮食损失的重要原因,为了降低损失,将危害控制在萌芽状态,提前预测预警意义重大。本研究利用MATLAB的神经网络工具箱建立了预测粮食霉变的BP神经网络,给出了稻谷在给定含水率、温度、储藏时间的条件下是否会发生霉变的预测模型。同时,通过合理选择训练样本的数目,探究训练样本数量对网络精度的影响,并通过华北地区实仓数据验证由实验数据得到的BP神经网络在实际应用中所能达到的准确程度。经过验证,对于实验数据,训练样本数目大于400时,神经网络预测正确率可以达到94.3%;样本数越大,正确率越高。随机选择2 500个实验室样本数据进行训练得到的神经网路预测模型,对剩余样本预测准确率达到98%,对于实仓检测数据,正确率可以达到82.1%。