基于CMAC网络和ICC的色彩匹配技术研究

摘要

本文采用小脑模型关节控制器神经网络(Cerebellar Model Articulation Controller NeuralNetwork，简称CMACNN)来实现色彩查找表的插值任务。本文的主要工作是研究一种基于ICC国际标准结合神经网络插值方法的色彩匹配技术，重点研究了ICC标准和CMAC神经网络插值算法。本文研究了CMAC神经网络的原理和ICC说明文档，详细介绍了传统的CMAC神经网络的虚拟联想映射算法和网络学习算法，分析了算法的性能并发现了算法的不足之处。针对CMAC网络的虚拟映射算法存在联想空间小和网络学习算法中存在的地址完全碰撞问题，提出了一种基于二进制地址调整的虚拟映射算法和一种带有权值溢出区的网络学习算法，有效地解决了网络权值地址完全碰撞问题。最后利用本文提出的带有权值溢出区的CMAC神经网络学习算法结合ICC profile来解决色彩匹配问题，进行了从RGB屏幕色彩空间到CMY打印机色彩空间转换的色彩匹配样本学习系统的实验，并且取得了令人满意的实验效果。

目录

文摘

英文文摘

第1章绪论

1.1课题研究的目的和意义

1.2色彩匹配国内外研究现状

1.3 CMAC神经网络与ICC的发展及研究现状

1.3.1 CMAC神经网络的发展与研究现状

1.3.2 ICC的发展与研究现状

1.4课题来源

1.5本文的主要研究内容及章节安排

第2章CMAC神经网络及其相关算法研究

2.1 CMAC神经网络研究概述

2.1.1引言

2.1.2 CMAC网络的神经生物学基础

2.1.3 CMAC神经网络的原理

2.2概念映射存在的问题与解决方法

2.2.1传统的概念映射算法及其存在的问题

2.2.2改进的概念映射算法及实例说明

2.2.3改进的概念映射算法中地址调整问题

2.3学习算法存在的问题与解决方法

2.3.1传统的学习算法及其存在的问题

2.3.2权值地址完全碰撞问题的解决方法

2.4仿真实验结果分析

2.4.1非线性系统辨识问题

2.4.2二维马鞍型函数的逼近问题

2.5本章小结

第3章基于ICC标准的色彩匹配方法研究

3.1色彩匹配技术简介

3.2跨设备色彩管理中存在的问题及ICC标准产生的意义

3.3 ICC profile结构及工作流程

3.3.1 ICC profile结构简介

3.3.2 ICC profile的分类

3.3.3 ICC的工作流程

3.4基于ICC的色彩空间转换方法

3.4.1 RGB与CIE XYZ之间的色彩空间转换

3.4.2 CIE XYZ与CMYK之间的色彩空间转换

3.5本章小结

第4章CMAC神经网络和ICC在色彩匹配中的应用

4.1常用的色彩匹配方法及其优缺点

4.2应用CMAC网络和ICC进行色彩匹配的意义

4.3基于CMAC网络和ICC的色彩匹配方法研究

4.3.1基于CMAC网络和ICC的色彩匹配整体方案设计

4.3.2色彩匹配CMAC网络模型的建立与训练样本生成

4.3.3应用CMAC进行由XYZ到CMY的色彩匹配实验

4.3.4从CMY到CMYK的变换

4.4打印机仿真驱动程序实现

4.4.1打印机驱动相关知识介绍

4.4.2仿真驱动程序的实现

4.5本章小结

结论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢