排序方式: 共有4条查询结果,搜索用时 31 毫秒
1
1.
2.
基于BP神经网络的数码相机特性化 总被引:4,自引:0,他引:4
由于数码相机的颜色空间是依赖于设备的,对于一个具体的数码相机,其光谱响应与设备独立的CIE标准观察者颜色匹配函数是一个非线性关系,因此不能真实复制场景的颜色。特性化彩色图像设备是提高图像的颜色复制质量的一个重要方法。介绍一种基于BP神经网络数码相机特性化方法。采用Munsell颜色系统作为目标色,大样本训练空间。测试了不同的网络结构和样本空间分布。训练样本平均色差为1.75CMC(1∶1)色差单位,测试样本为2.16。该方法在数码相机颜色测量、光谱重建等领域有广泛的应用前景。 相似文献
3.
4.
基于孟塞尔系统的阴极射线管特性化新方法 总被引:1,自引:1,他引:0
提出了一种新的阴极射线管特性化的方法。该方法的特点是采用“视觉匹配”方法,在反射体表面色和白发光体之间映射一些色貌因素,但没有使用任何复杂的色貌模型。是一种考虑了一些色貌因素的阴极射线管特性化方法。由于该问题的个性因素较多,采用BP神经网络实现色空间的非线性映射。实验结果表明,只要阴极射线管被标定,在办公室环境下,该方法可以改进在不同的阴极射线管上重现的颜色。采用3-7-7-3简单的网络结构;分色相样本训练。训练样本平均色差可以达到3.07L^*u^*v^*色差单位,测试样本平均色差可以达到4.55L^*u^*v^*色差单位,小于阴极射线管的最大可接受色差,结果是令人满意的。这在电子商务和办公自动化方面有广泛的用途。 相似文献
1