导读：胡 涛，汪 鑫，张志刚(西安理工大学陕西 西安710048)摘 要：提出一种基于人工神经网络的色空间变换方法。该方法利用神经网...
内容加载中...
网络的最终目的是实现RGB→CIELab的精确转换。转换精度通过1 631个色块的色差ΔE*ab来评价，包括1 331个建模色块和300个检测色块。每个色块的色差定义为：
为了在色空间转换后得到最小的色差，分别在9种不同的条件下对网络结构进行训练。网络结构从3层(3-8-3)到5层(3-20-20-20-3)，在变换隐层数目的同时还要变换神经元的数目。用不同网络结构得到的建模色块和检测色块的色差分别填入表1。
实验表明，在训练样本取1 331个的情况下，测试色块的平均色差控制精度达到了2～4，属于小色差范围。从1号（3-8-3），4号（3-10-10-3）和7号（3-10-10-10-3）神经网络的训练结果可以看出，样本点的训练并不是网络层数越多越好。从5号（3-15-15-3）和6号（3-20-20-3）神经网络的训练结果可以看出，对于层数相同的网络，并不是神经元的数目越多结果越精确。?
从图2看出，检测色块的平均色差并不是严格与建模色块的平均色差一致。例如,8号（3-15-15-15-3）神经网络比9号（3-20-20-20-3）神经网络训练得到的建模色块的平均色差大，但是8号神经网络的检测色块的平均色差却比9号小，5号和9号也是如此。
如何选择BP网络的层数和神经元的数目，以使色空间转换后，得到最小的建模色差和检测色差，要根据具体的条件，如允许训练的时间和要求达到的最小色差，通过不断的训练取一个适当的值。对本次实验来说，训练得到最为满意的结果5号（3-15-15-3）神经网络，其建模色块的平均色差为0.852 1，检测色块的平均色差为2.458 8。
由于神经网络具有自学习、自组织、自适应能力，有很强的容错能力以及高度的非线性表达能力,并能有效地解决许多实际问题,特别符合颜色空间变换和彩色图像处理的特点，因此得到广泛的研究。实验结果表明，本文基于人工神经网络的CRT色空间变换方法达到了传统色空间变换的较好水平。由于条件限制，目前使用的BP神经网络是计算机软件模拟的。如使用硬件神经网络，有望实现实时转换。参考文献［1］闻新,周露,王丹力,等.MATLAB神经网络应用设计［M］.上海：科学出版社，2000
［2］胡涛,张二虎,王歆平.计算机的色彩管理研究［J］.计算机工程与应用，2002
［3］王敬平,赵达尊,朱正芳.计算机控制的CRT色度预测［J］.北京理工大学学报，1996
［4］Berns R S, Motta R J, Gorzynski M E. CRT Colorimetry. Part I: Theory and Practice, Color Research & Application1993，18：299-314
［5］Alman D H, Ningfang Liao.Overtraining in Backpropagation Neural Networks: A CRT Color Calibration Example. Color Research & Application,2002,27(2):122-125现代电子技术
免责声明：本站文章均由网上收集，所有文章仅供学习参考之用，版权和著作权归原作者所有，请在24小时内删除！ 如果您发现侵犯您的权益，请即时通知，本站将立即删除！
