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。     

基于多元非线性回归模型的彩色扫描仪特征化

研究了基于多元非线性回归模型的彩色扫描仪特征化方法,分析了多元回归的阶数以及输出色空间的选择对非线性多项式转换模型是否存在影响。研究表明:训练组样本特征优化随着阶数增加而增加,测试组样本在高阶数非线性回归下优化精度下降,多项式方程呈现病态,泛化能力下降;回归模型采用RGB到L*a*b*的转换比采用RGB到XYZ的转换,优化精度略高。结果说明,利用多元非线性回归模型可满足扫描仪特征化的精度要求。     

基于最小二乘支持向量机的扫描仪特征化

目的基于最小二乘支持向量机回归(LSSVR),研究扫描仪图像输入设备的特征化方法。方法以ColorChecker SG标准色卡为目标,通过最小二乘支持向量机建立RGB三通道值到CIE Lab色度值的非线性映射模型,采用基于交叉验证的网格搜索确定模型最优参数,优化LSSVR模型,实现彩色扫描仪的色度特征化。结果所建模型的训练集R-squared为0.996,验证集R-squared为0.998,训练集与验证集的CIEDE2000平均色差分别为1.1463,1.2754。结论 LSSVR模型能够较好地实现彩色扫描仪色度特征化,泛化能力较强,此模型可有效地提高彩色扫描仪特征化的精度且计算处理速度更快。     

基于单元多项式回归法的扫描仪色彩校正研究

针对IT8.7/2色靶及自定义色靶,采用单元多项式回归法,进行扫描仪RGB到Lab颜色空间的转换,以实现扫描仪的色彩校正.结果表明:针对IT8.7/2色靶,当采用5级均等分割中心点并采用13项50点进行多项式回归时,精度相对较高,效果较好;针对自定义色靶,当采用8级均等分割中心点并采用19项180点进行单元多项式回归时,精度相对较高,效果较好.采用单元多项式回归法,可提升扫描仪RGB到Lab颜色空间的转换精度,并节约计算时间,能有效实现扫描仪的色彩校正,且处理过程更简便、直观.     

基于GA-BP神经网络的彩色扫描仪光谱特征化

为了实现彩色扫描仪的光谱特征化,采用一种GA修正的BP神经网络与PCA相结合的方法对其进行研究。首先,通过主成分分析,对训练样本的光谱反射率进行降维,以RGB信号和降维后的光谱数据作为输入、输出变量进行GA-BP神经网络的建模,对任意RGB信号都可以通过模型得到其低维光谱信号;再通过主成分分析重构光谱反射率,由此实现RGB信号对光谱反射率的重构,即实现扫描仪的光谱特征化。实验结果表明,GA的优化有效地改善了BP神经网络的极值问题,提高了模型的预测精度,PCA在不影响模型精度的同时提高了模型的效率。由此说明,所提出的模型能够满足扫描仪光谱特征化的需求。     

数字影像在印片质量评价中的应用

影响印片质量的一个重要因素是均匀色面积上小面积光学密度的涨落，称为颗粒性。本文实验建立了利用平板扫描仪采集的数字影像进行颗粒性定量评价的方法。该方法建立了数字影像中红、绿、蓝色值与印片三色光学密度的关系，由三色数值标准偏差的平方加权组合形成颗粒性评价值。在两台扫描仪上分别选取三个不同的色调反差条件对灰、青、品、黄共12个颗粒样片进行了测试。每台扫描仪各自三个条件的颗粒性评价值具有很好的一致性；两台扫描仪上的颗粒性评价值线性相关；并将其与实际观测效果进行了比较。     

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SVM回归柔性机构的动态可靠性研究

在柔性机构(Flexibility Mechanism,FM)动态可靠性分析中,为了提高其计算精度和计算效率,通过融合蒙特卡洛和支持向量机回归理论,提出了一种新的SVM回归极值法(SVM Regression Extremum Method,SREM)。该方法借助ADAMS软件抽取FM动态响应极值的小样本,基于支持向量机回归理论建立FM动态响应极值的代理模型,使用此代理模型进行FM动态响应可靠性分析。最后,利用蒙特卡洛法、SVM回归极值法和另外两种方法对柔性曲柄摇杆机构的摇杆最大摆角可靠度进行分析。结果显示：在小样本情况下,SVM回归极值法的计算精度与MC相当,精度明显高于另外两种方法;SVM回归极值法的计算效率比MC大幅度提高,与另外两种方法计算效率相当。验证了在小样本情况下,SREM在FM动态可靠性分析中高效率和高精度。     

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.     

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。     

利用扫描仪器的色彩翻新功能采集牛皮纸茚三酮熏显指纹

渗透性客体如牛皮纸上的潜在指纹可用茚三酮熏显,呈黄色客体上的浅紫色图像。这种熏显的图像却难以用数码相机拍摄。但可用扫描仪采集,获得较清晰的影像。对比实验证明,用扫描仪采集,可获得远比数码相机清晰的影像,而且其反差还可以通过扫描仪进一步增强,本文详述此法。     

扫描仪特性文件质量评价方法分析

在生成扫描仪特性文件的基础上,介绍了比较法、Rainbow图法、色差法3种扫描仪特性文件质量的评价方法,并分别阐述了3种质量评价方法的实施过程。有助于指导使用者根据工艺状况及产品精度要求,选择适当的特性文件评价方法,从而确定并使用有效的扫描仪特性文件。     

基于卷积神经网络的印刷品颜色缺陷检测

目的 提取样本图像颜色直方图特征对卷积神经网络进行训练,达到快速、高准确率检测图像颜色缺陷的目的.方法 将标准图像从RGB颜色空间转换至HSV颜色空间,通过改变图像H,S,V三分量值获取训练样本和测试样本;在HSV颜色空间中非均匀量化图像的颜色直方图,得到所有训练样本和测试样本的颜色直方图特征;利用样本图像颜色直方图特征训练卷积神经网络,然后对测试样本进行检测,研究检测的速度、准确率,并将该检测方法与逐像素、超像素、BP神经网络和支持向量机方法进行对比.结果 对于图片尺寸为512×512的彩色图像,卷积神经网络检测单幅图片的平均检测时间约为57.66 ms,训练样本图像为50000张时,卷积神经网络方法对10000张测试样本进行检测的准确率为99.77％.结论 卷积神经网络方法在保证高准确率的前提下大幅提高检测精度,对于印刷品色差缺陷在线检测具有良好的应用价值.     

激光扫描仪在容积测量中的应用

介绍了三维激光扫描仪的原理,典型行业的应用,并将三维激光扫描技术引入油罐的容积测量,给出了不确定度分析,同传统测量比较,表明此测量方法高效、准确。     

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。     

基于YCoCg-R颜色空间与离散余弦变换的自适应彩色图像水印算法

目的为了解决当前彩色图像水印技术的水印容量和不可感知性不佳等问题,设计基于YC_oC_g-R颜色空间和离散余弦变换的自适应图像水印算法。方法首先,将载体图像从RGB空间转换到YC_oC_g-R空间,计算Y,C_o,C_g这3个颜色分量;随后,引入离散余弦变换DCT对Y分量进行处理,获取相应的DCT系数;引入模糊聚类分析,将DCT低频系数视为局部特征,利用SVM机制对DCT低频系数进行训练分类,确定出适合嵌入水印的DCT系数;设计水印嵌入机制,将水印数据隐藏到合适的DCT低频系数中;借助可逆DCT方法,将Y分量从频域变换到空域;联合初始的C_o与C_g分量,将其变换到RGB空间,输出水印图像;最后,通过相应的水印提取方法,复原初始水印信息。结果测试数据表明,与当前水印方法相比,所提技术具有更高的不可感知性与水印容量,其水印图像的PSNR值为43.67 dB,且其允许的水印容量可超过1 bits,在多种攻击下,复原水印的质量更高,相关系数NC均超过了0.92。结论所提技术能够较好地将水印信息隐藏在载体图像中,具有较高的鲁棒性和安全性。