色彩管理在数字印刷中应用的实验研究

为了提高数字印刷的质量,研究色彩管理在数字印刷中的应用.采用Monaco和ProfileMaker两种软件,生成HP Indgo1050数字印刷机在128g/m2有光铜版纸和无光铜版纸上印刷的profile文件,并利用所生成的profile文件对彩色图像进行分色和印刷,从而对色彩管理前、后印刷品的色调再现性进行评价.研究结果表明:利用这两种软件生成的profile文件对彩色图像进行分色,使得数字印刷质量有了明显的提高,尤其是无光铜版纸的印刷质量,增加了图像再现色域;减少了网点扩大,颜色再现更加准确.     

基于表单的网络印刷客户端色彩再现方法的研究

通过研究计算机网络技术和印刷色彩管理技术,提出了通过表单实现网络印刷客户端显示色彩再现的一种方法。以网络客户的显示色彩为基础,借助网络客户的视觉观察和表单数据,获取了客户端色彩显示数据;经计算再现色彩数据,实现了客户端显示色彩的所见即所得。实验表明,方法可以解决网络印刷客户端显示色彩的再现问题,提高网络印刷质量,缩短周期,降低成本,提高效率。     

基于 LMBP 神经网络的柔印专色配色模型研究

目的针对柔印专色配色模型甚少问题,构建柔版印刷专色配色模型。方法以BP人工神经网络非线性、自学习等特点为基础,引入LMBP算法对传统的BP算法进行改进,从而构建柔版印刷专色配色模型,同时运用Matlab软件结合标准印刷测试版对模型进行训练。结果隐层节点为17的单隐层BP算法虽然也可达到预计要求,但隐层节点为8的单隐层LMBP算法精度更高,逼近效果更好。结论该柔版印刷专色配色模型符合精度要求,可以用于实践。     

基于CCD的数字印刷质量检测与分析技术

在分析数字印刷特点的基础上,提出开展数字印刷质量检测与客观评价方法研究的必要性,探讨基于CCD图像捕获设备进行数字印刷质量分析的可行性、评价要素及其具体实施技术。结合印刷样张实例,通过质量分析说明并验证了数字印刷质量检测与评价的具体方法。结果表明,采用基于CCD的数字印刷质量分析方法可以快速地完成印刷质量的客观检测与评价,有效控制印刷质量,对提高和改进数字印刷承印材料、墨水及印刷设备等的质量具有积极的作用。     

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。     

用BP网的跟踪误差辨识建模及跟踪性能评价

提出了一种评价光电经纬仪跟踪性能的新方法.该方法采用BP网络结构进行系统辨识,得到光电经纬仪跟踪误差等效模型.为了提高BP网络训练速度,对网络进行训练时采用了LM(Levenberg-Marquardt)算法.将等效正弦信号输入等效模型中,通过对输出数据进行处理,即可获得光电经纬仪跟踪性能评价结果.利用该方法得到的等效模型估计误差均值2.587 2e-006°≈°,最大误差3.6",标准差1.6".结果表明基于BP网络辨识的等效模型能够满足跟踪性能评价要求,实现了对光电经纬仪跟踪性能进行准确评价.     

三维针刺C/C-SiC复合材料预制体工艺参数优化EI北大核心CSCD

基于误差反向传播(BP)神经网络与改进的遗传算法建立三维针刺C/C-SiC复合材料预制体工艺优化的代理模型,获得针刺工艺参数与复合材料刚度性能之间的关系。利用BP网络实现复合材料刚度性能预测,BP网络的预测值与有限元计算结果吻合程度较好,模型训练误差最大为0.526%,测试数据误差最大为0.454%,BP网络预测精度高。对传统遗传算法的遗传策略和优化策略进行改进,利用两种改进的遗传算法对针刺工艺参数进行优化。优化后的工艺参数显著提高了材料的刚度性能,其中面内拉伸模量分别提高了11.07%和11.48%,面外拉伸模量分别提高了49.64%和48.13%,复合材料的综合刚度性能分别提高18.17%和18.21%。     

神经网络在胶印油墨印刷适性检测中的应用

应用基于误差反传原理的前向多层神经网络,建立了油墨印刷适性综合评价的人工神经网络模型.经训练的评价模型评价结果表明,该模型具有较好的泛化能力,从而为正确、合理地选用油墨,提高印刷质量,提供了一种新的方法.     

无光泽喷墨打印纸性能对印刷效果的影响

综合传统与现代的印刷质量评价方法,针对影响彩喷纸最重要的图像色彩再现和清晰度参数,建立了一种喷墨打印图像再现指数模型(Image Reproduction Index,IRI),解析了彩喷纸性能对印刷效果的影响.     

彩色柔性版印刷色彩阶调再现性

为提高彩色柔性版印刷的色彩阶调再现性,研究了柔性版印刷网点扩大特性、阶调再现特性和色彩再现特性,并对网纹辊线数与印版网点线数的关系进行了研究.在相同的印刷条件下,通过柔性版印刷机进行印刷实验,建立了柔性版印刷profile文件,从而得到柔性版印刷网点扩大曲线、阶调再现曲线和色彩再现特性.同时,采用不同线数的网纹辊对不同网点线数的印版进行印刷,测量了印刷品的阶调再现曲线和网点扩大曲线.实验结果表明:柔性版印刷网点扩大较大,且在亮调到中间调范围(网点百分比为30%～40%)处的网点扩大最严重,从而使得柔性版印刷的阶调再现范围较窄.网纹辊线数与印版网点线数的比值越大,所得到的印刷品阶调再现性越好,其比值应大于3～4.柔性版印刷的色域在红绿色范围内较胶印小,而在蓝色范围内较胶印大.为提高彩色柔性版印刷的质量,应利用profile文件对图象进行分色制版.     

基于GRNN神经网络的凹印专色配色模型研究

目的针对目前专色配色的现状,建立基于GRNN神经网络的凹印专色配色模型,以实现计算机配色。方法参照孟塞尔色相环将颜色空间分区,调配专色墨色样获得训练样本,并使其均匀分布在孟塞尔色谱中。分析广义神经网络的优势和凹印专色配色的特点,尝试基于GRNN神经网络构建凹印专色配色模型。采用Matlab进行仿真训练,并借助MSE函数确定平滑因子SPREAD的值,最后用检验样本的目标色和配出色的色差来检验配色模型的精度。结果通过网络仿真,确定当SPREAD为6.4时,测试样本的MSE值最小。由此确定配色模型,配出的40组色样和目标色的平均色差值为2.45,且97.5%的样本色差值小于6。结论基于GRNN神经网络的凹印专色配色模型精度较高,可用于计算机配色。     

基于iCAM的印刷品在线颜色复制质量的检测与评价

目的为了提高印刷品在线检测中颜色复制质量评价的准确性,构建基于iCAM图貌模型的印刷品在线检测色差计算模型。方法将印刷品在线检测系统中CCD相机拍摄的待检测样张按照墨区进行分区,基于iCAM图貌模型和IPT均匀颜色空间建立在线色差检测模型,并计算样张各个墨区的色差;设计视觉心理学实验评价样张各墨区颜色的复制质量;采用STRESS值评价基于iCAM的色差检测模型计算出的色差与视觉感受色差的一致性,并与基于CIELAB的色差进行比较,验证该模型的在线色差预测精度。结果基于iCAM的色差模型计算结果具有较高的视觉一致性,更符合视觉评价结果,且与传统色差模型相比,具有更高的在线色差检测精度。结论基于iCAM的印刷品在线检测色差计算模型考虑了人眼视觉的空间特性及色适应,适用于复杂观察条件,能提高印刷品在线检测中的色差检测精度,可用于实际生产中印刷品在线颜色复制质量的检测与评价。     

基于生成对抗网络的小样本颜色空间转换方法

目的 解决基于深度学习的颜色空间转换方法需求样本量大、样本采集成本高的问题。方法 以色度学和深度学习方法为基础，提出融合多通道校正的Cor−WGAN模型，设计多阶段训练方法，在小样本条件下，学习RGB到CIELab颜色空间的转换关系。先在标准颜色空间下测试模型的转换效果，再设计非标准颜色空间仿真实验和逆转换实验，并测试模型在实际应用中的效果。结果 实验结果表明，文中提出的Cor−WGAN模型的小样本学习能力较强，在64个均匀分布样本的训练条件下就可实现较好的转换效果，转换的平均色差为1.71，最小色差达到0.16，超过90%的样本点可以达到人眼无法分辨色差的转换程度。结论 文中算法在处理小样本颜色空间转换任务方面具有明显优势，为基于深度学习的色彩管理应用提供了一种新思路。     

多通道分色模型中的特征色样筛选研究

提出了一种基于颜色相关性的特征色样筛选方法。 首先利用特征色样色料分布(网点面积率)间的相关系数,从 CMYKGO 全色域采样生成的大量特征色样中,筛选出一部分具有相似网点面积率分布的特征色样,然后利用筛选后的最佳特征色样构建分色模型。 新方法能够在不影响分色精度的前提下,有效减少特征色样的使用数量,且在暗调区域有效利用了所有色料通道,因此比传统的采样分色方法能够再现更大的色域。     

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。     

Supervised pattern recognition to authenticate Italian extra virgin olive oil varieties

This work is the logical consecution of our previous investigation on the classification of “monocultivar” olive oils, in which 153 samples from the five cultivars Carboncella, Frantoio, Leccino, Moraiolo and Pendolino [harvested from 1997 to 1999, in the same geographical area (Sabina, Lazio)] were discriminated according to their variety, using Linear Discriminant Analysis (LDA) and Back-propagation Artificial Neural Network (BP-ANN).This study has been now extended to include 50 new samples from three (Frantoio, Leccino, Moraiolo) of the previously examined cultivars and 373 samples from other nine olive varieties (Minuta, Moraiolo, Nocellara del Belice, Nociara, Ortice, Ortolana, Ottobratica, Peranzana, Racioppella and Sinopolese). These new samples were harvested from 1996 to 2000 in six Italian regions (Calabria, Campania, Lazio, Molise, Puglia and Sicilia).Kennard-Stone algorithm was used to partition the samples into the training and test sets and the value of Fisher F-ratio was computed to identify the most discriminating indices in order to reduce the number of input variables.A first study, restricted to the original five cultivars only, showed that 12 variables are necessary in the best LDA model, which was able to correctly recognize 92.7% of the training samples and to correctly predict 90.6% of the test set. On the other hand, the first seven variables only were necessary to obtain a null prediction error over the test and validation set samples using BP-ANN.In a successive stage, ANNs have been used to extend the study to all the 14 cultivars (576 samples). In this case, the first 16 variables according to the value of Fisher F-ratio were included in the best classification model. This model was able to correctly recognize all the samples in the training set (RMS<0.00001) and to correctly predict all the samples in the test (RMS error=0.0008) and validation (RMS error=0.001) sets.     

基于密度的凹版专色叠印色光谱预测模型的研究及应用

目的 建立一种基于密度与光谱反射率关系的专色叠印色光谱预测模型。方法 首先建立前景色、后景色密度与其光谱反射率关系;基于此建立叠印色光谱反射率的计算方法;其次对模型进行优化,完成专色叠印色光谱预测模型的建立;再通过凹版印刷实打样30张专色叠印色样张,基于Malab利用色差以及拟合决定系数R²对预测模型进行验证;最后在相同工艺条件下实打样专色叠印色样张进行预测,通过色差完成对模型的精度检验。结果 验证表明,不同专色叠印色在同一网点面积率下与其对应的前景色、后景色密度之间存在较强相关关系,其拟合决定系数R²均大于0.9;模型精度检验中,73.7%的模型预测值与样张实测值色差为0~2.5个CIE1976色差单位,大部分色块色差为0~2个CIE1976色差单位,占总频率的60.54%,整体平均色差为1.92个CIE1976色差单位。结论 本文所建模型具有较高的预测精度,能基本满足对颜色预测的需求。     

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.     

色彩管理中灰平衡数据控制

目的针对Photoshop色彩管理中数码样张与印刷样张存在较大的色差问题,提出了修正ICC Profile文件的方法。方法以灰色为研究对象,利用数码打样机分别输出了GMG和Photoshop色彩管理流程下的数码样张,分析比较了2种流程下数码样张的色差特性,并利用ProfileEditor软件对印刷ICC Profile文件进行灰平衡数据的调整与修正。结果在Photoshop色彩管理流程中使用调整后的ICC Profile文件,使仿铜版纸的数码样张中性灰的平均色差由原来的8.0863降低到4.2284,仿特种纸的数码样张中性灰的平均色差由原来的10.1063降低到5.5908。结论优化ICC Profile文件中的灰平衡参数,能够使数码样张与印刷样张获得更小的色差,提高了颜色再现的准确性。     

改进乌鸦算法优化多阈值图像分割

目的 针对传统乌鸦算法随机搜索的盲目性和易陷入局部最优的缺点,提出一种改进乌鸦算法,用于多阈值图像分割.方法 采用精英分享策略,弥补乌鸦位置更新的盲目性;引入Levy飞行机制,避免算法陷入局部最优;随迭代次数调整变尺度系数,限制搜索步长,加快算法收敛;以Kapur熵为适应函数,利用改进乌鸦算法对不同类型图像进行多阈值分割,并与传统乌鸦、布谷鸟等4种算法的分割结果进行对比分析.结果 改进乌鸦算法对Lena,Flower,Fruits和Boat图分割后的结构相似性分别为0.7703,0.7761,0.7276和0.7921;标准偏差分别为0.0295,0.0385,0.0344和0.0173,实验数据表明,改进算法较其他算法有着更好的分割效果.结论 文中算法有效地改进了传统乌鸦算法的盲目性和易陷入局部最优的缺点,能够准确地分割复杂图像,在多阈值图像分割领域具有一定的参考价值.