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BP神经网络的CMYK到L*a*b*颜色空间转换模型

由于BP神经网络不需要充分的理论根据,利用色靶的大量数据,通过BP神经网络,建立了CMYK到L*a*b*色空间的转换关系,并评价了模型精度。研究结果表明:BP神经网络用于CMYK到L*a*b*颜色空间转换,计算速度快,转换精度较高。     

基于神经网络的L*a*b*-CMYK色彩空间转换算法的研究

针对L*a*b*值-CMYK值转换的非线性特性,提出了一种基于改进BP神经网络的非线性转换方法。运用神经网络特有的非线性映射能力和不需要精确数学模型的分析能力,实现了这一非线性转换。实验结果表明,建立的网络模型具有较好的精度,能够满足色彩空间的转换要求。     

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。     

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.     

基于颜色空间转换的颜色复原方法研究

目的 研究解决因成像原理、 元件性能、 机械上的限制等因素导致的色彩失真与偏差的方法。方法 通过对基于BP神经网络的颜色复原和基于全局多项式回归的颜色复原等2种方法进行对比研究, 提出基于色调分区多项式回归的、 由 RGB 到 L*a*b*的颜色复原转换方法。结果 基于 BP 神经网络的颜色复原得到的最小色差为 2.8476, 基于全局多项式回归的颜色复原得到的最小色差为2.857, 二者相差仅 0.3%; 而经过分区后的多项式回归颜色复原得到的平均色差为 2.206, 比基于 BP神经网络和全局多项式回归方法降低了 23%左右的色差。结论 经过分区后的多项式回归颜色复原方法能更有效地提高颜色复原的精度。     

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。     

小波变换系数奇异值分解数字水印防伪算法

目的研究针对打印扫描盗版方式的数字水印防伪算法。方法结合矩阵奇异值分解(SVD)的抗几何畸变特性和离散小波变换(DWT)多分辨率分解特性,提出一种基于CIE1976L*a*b*颜色空间的彩色图像数字水印防伪算法,并通过仿真实验评价算法的有效性。结果含水印彩色图像与原始彩色图像的色差均值为1.2183,小于3,且提取的水印中至少有1个水印有效,其相关系数均满足R0.6。结论在保证水印不可见性的同时,该算法对打印-扫描操作及大多数常规图像处理具有很好的鲁棒性。     

色度计算方法及其影响因素研究

基于XYZ,CIE L*a*b*颜色空间的色度值和色差计算方法,分析了波长间隔对三刺激值计算的影响以及不同加权表的差别和应用范围,最后研究了CIEL*a*b*空间中色差与光谱反射率差、色差与三刺激值间的逆转现象,并对其在颜色测量仪器校正方面的应用进行了分析。     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。     

基于人工神经网络的光谱反射率重建

目的研究基于BP神经网络法和FNN神经网络法重构图像光谱反射率的精度。方法以SG标准色卡作为训练样本,分别使用BP和FNN神经网络法,对测试样本DC标准色卡的光谱反射率进行预测,并利用CIEL*a*b*色差公式、均方根误差(ERMS)和光谱匹配精度(GFC)对结果进行评价。结果 BP和FNN神经网络重构的光谱反射率平均色差(ΔEab)分别为2.997和3.071,平均均方根误差(ERMS)分别为0.056和0.049,平均光谱匹配精度(GFC)分别为0.987和0.991。结论 2种神经网络方法重构的光谱反射率具有相当优越的色度和光谱精度。相比于FNN神经网络,BP神经网络更加适合于光谱图像的获取领域。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

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神经网络的真网点喷墨打样

目的真网点打样使用调频网点来模拟印刷调幅网点,能在数码打样上获得与印刷调幅加网相同的参考效果。方法利用BP神经网络获得数码打样与印刷输出的CMYK-CMYK网点面积率的非线性映射来实现真网点喷墨打样。结果基于BP神经网络的真网点喷墨打样,识别率稳定在95%左右,训练100次左右就能达到收敛。真网点形态变形小,色域映射准确,与标准胶印印张的色差均值为2.24,色差标准差为1.47,色差方差为2.16,色差熵为3.12。结论基于BP神经网络的真网点数码打样和标准胶印印张的网点面积率转换不需要精确的数学模型,具有原理简单、转换迅速和适应性强等优点。无论在网点外观、色域和色差各方面,都比传统数码打样具有更多的优势。     

一种基于子空间划分的LCD显示器光谱特征化模型

目的为实现LCD显示器的光谱特征化,提出一种基于子空间划分的BP神经网络结合PCA的光谱特征化模型。方法对显示器色空间进行子空间划分,在各子空间中进行模型的训练与检测。结果子空间划分后模型的色度和光谱精度,较未进行子空间划分的模型有明显提高,PCA在不影响模型精度的同时,降低了光谱维度,提高了算法的运行效率。结论该模型是一种高精度显示器特征化模型。     

输出方式对印刷品全息水印提取质量的影响

目的为实现对印刷输出图像中提取水印质量的有效预估,研究硬拷贝输出方式对印刷品全息防伪水印提取质量的影响。方法先将傅里叶全息水印的高频分量嵌入宿主图像经2次小波变换的中频区域,实现信息隐藏。使用喷墨打印、激光打印、胶版印刷、数码印刷等4种常用方式对含水印防伪图像进行硬拷贝输出,然后从承印物纸张表面质量、图像色彩空间转换和输出精度等3个方面,利用NC参数对硬拷贝图像的水印提取质量进行评价,并对比分析影响水印提取质量的因素。结果数字图像、打印图像、印刷图像间的水印提取质量有较大的差别,总体表现为喷墨打印胶版印刷数码印刷和激光打印。承印物基材较高的白度、平滑度有利于水印提取。在输出与输入过程中,含水印图像经历的多次色彩空间转换对原始图像的色彩分布、复现质量有一定程度的改变,进而影响水印提取质量。在满足图像复现质量要求的前提下,输出精度对水印提取质量的影响较小。结论研究水印的抗打印/扫描鲁棒性时,不能用模拟攻击与桌面打印代替实际输出方式。选择表面质量高的承印物有利于防伪水印信息的识别。验证水印方案的抗打印/扫描鲁棒性时,其分辨率满足图像的复现质量要求即可。