光谱成像的图像颜色恒常性计算方法

光谱成像可以记录拍摄场景的光谱信息,从而实现颜色的高保真复现,图像的光谱信息通常同时混合了物体的光谱信息和光源信息,所以现有的光谱成像颜色还原需要通过提前放置的标定板或已知光谱特性的物体获取拍摄环境的光源信息,再进行图像的颜色恒常性校正。但光谱相机在实际使用过程中,通常难以满足上述条件,从而对图像高保真颜色还原提出挑战。针对此问题,提出一种光谱成像的图像颜色恒常性计算方法,将光谱成像系统获得光谱数据转换到XYZ颜色空间,并将图像分区域进行统计得到图像的统计点,通过大量常见光源的分布规律,给统计点施加位置权重和色温权重,同时设置亮度权重去除图像中过暗和过饱和的统计点,利用加权平均获得环境光的色度参数,根据需求将图像的XYZ颜色空间数据转换到RGB颜色空间,根据环境光的色度参数计算图像不同通道的增益,从而完成光谱图像的颜色恒常性计算。为了验证所提出算法的有效性,对140张光谱图像进行处理,计算算法得到的环境光色度参数和真实光源色度之间的再现角误差,对校正结果进行评价,结果表明提出的算法明显优于光谱图像不做处理和灰度世界法。为进一步分析算法校正结果与人眼感知之间的联系,设计颜色心理物理学实验...     

基于亮度因数分级BP神经网络的多基色显示系统色度转换模拟北大核心CSCD

针对多基色显示系统的颜色转换问题,提出一种基于亮度因数分级BP神经网络的色度转换方法,并建立CIE标准(X,Y,Z)空间到多基色(K_(1),K_(2),…,K_(n))空间的转换模型;将整个(X,Y,Z)颜色空间按训练样本的亮度因数Y分解成多个二维子空间,并形成亮度因数分级子空间BP网序列,从而减少了从低维度空间向高维度空间进行颜色转换时出现的同色异谱问题。以五基色LED显示系统为例,对亮度因数分级BP网的有效性开展验证实验。首先根据五基色LED显示系统的实际色度参数,建立了五基色显示系统(K_(1),K_(2),K_(3),K_(4),K_(5))空间到CIE标准(X,Y,Z)空间的线性转换模型;在此基础上采用最小色差匹配法,生成了典型亮度因数分级训练样本集和测试样本集,并完成了BP神经网络的训练和测试。结果表明,训练样本集的CIE1976L^(*)a^(*)b^(*)平均色差达到6.37以下,并且还有进一步的改进空间,为多基色显示系统的颜色转换工作提供了一种有效的技术途径。     

粉末涂料电脑配色的人工神经网络模型

提出一种基于多层BP人工神经网络的粉末涂料配方预测模型;用BP算法人工神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。把人工神经网络的配方预测模型应用到典型的粉末涂料样品的测配色实验过程中。实验结果表明,基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,对64个节点的平均训练精度达到了1个CIELAB色差单位。     

涂料颜色配方预测的人工神经网络模型实验研究

人工神经网络技术近年来在颜色空间变换或色域映射的研究中显示了特有的效果。人工神经网络用于粉末涂料配方的预测,其特点是用BP算法神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。通过对典型颜色样本训练和预测,结果表明基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,即用BP网络实现粉末涂料的配方预测。