基于徑向基函數(shù)神經(jīng)網(wǎng)絡的顏色空間轉(zhuǎn)換研究.pdf

1、現(xiàn)代印刷行業(yè)中，要做到圖像處理過程中的色彩統(tǒng)一性和與設備無關性，就必須實行標準化、規(guī)范化的色彩管理。先進的ICC色彩管理技術(shù)，是以顏色空間轉(zhuǎn)換為核心的新型控制方法，其中CMYK與L*a*b*色彩空間轉(zhuǎn)換具有廣泛的理論研究價值和實用價值。
　　 課題依據(jù)徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡及廣義回歸神經(jīng)網(wǎng)絡（GRNN）算法理論，首先在ECI2002標準色靶中均勻選取建模及檢驗數(shù)據(jù)；然后依照均方誤差性能函數(shù)MSE確定網(wǎng)絡參數(shù)SPREAD值，

2、進行網(wǎng)絡訓練，分別建立CMYK到L*a*b*及L*a*b*到CMYK顏色空間轉(zhuǎn)換模型。通過轉(zhuǎn)換結(jié)果分析，基于RBF神經(jīng)網(wǎng)絡建立的CMYK到L*a*b*顏色空間轉(zhuǎn)換模型，效果十分理想，檢驗數(shù)據(jù)色差平均值為0.4，色差值小于6的點占100％;而L*a*b*到CMYK顏色空間轉(zhuǎn)換模型的平均色差為4.34，色差小于6的點占80%。經(jīng)過色差分析，色差較大點多數(shù)集中在暗調(diào)區(qū)域，因為暗調(diào)區(qū)域的建模點較少；另外采用Photoshop檢驗色差時存在誤差累

3、加。基于GRNN的顏色空間轉(zhuǎn)換模型精度相比于RBF神經(jīng)網(wǎng)絡方法稍低一些，因此RBF神經(jīng)網(wǎng)絡更適合于顏色空間轉(zhuǎn)換的研究，但兩種方法建模原理簡單，網(wǎng)絡訓練速度快，轉(zhuǎn)換模型精度高。
　　 課題從一幅CIEL*a*b*標準圖像中分別截取了包括該圖像亮調(diào)、中間調(diào)及暗調(diào)部分的三幅小圖像，基于RBF神經(jīng)網(wǎng)絡實現(xiàn)三幅圖像的L*a*b*到CMYK模式轉(zhuǎn)換。轉(zhuǎn)換后圖像基本還原出原圖像色彩信息，亮調(diào)、中間調(diào)及暗調(diào)CMYK模式下的圖像比原L*a*b*圖