基于数码打样的CMYK与L~*a~*b~*颜色空间转换方法的研究

摘要

现代先进的ICC色彩管理技术,是以色彩空间变化为核心的新型色彩控制方法,其中CMYK和L*a*b*颜色空间的转换在色彩管理中具有广阔的理论研究价值和实用价值。课题基于数码打样实验,输出在Photoshop中设计的色靶,选取建模数据和检验数据,基于平面理论建立CMYK到L*a*b*颜色空间的正向转换模型；分别基于GA—BP神经网络、广义回归神经网络(GRNN)建立L*a*b*到CMYK颜色空间反向转换模型。依据四色网点的平面呈色规律,利用数理统计中的二元线性回归的方法建立K网点面积率以及CMY某一彩色网点面积率一定,其他两彩色网点面积率变化的平面方程,再利用最小二乘抛物线法得到平面方程每个系数与网点面积率的二次拟合曲线,最终建立起K网点面积率分别为0％,10%,20%,30%,40%,50%,60%,70%,80%,85%,90%,95%,98%的颜色空间转换方程。经过色差分析,发现特定K值下颜色空间转换方程具有较高精度,且K=50%以后的转换方程比K=50%以前的方程转换精度高,这可能是因为亮调区域受测量值精度的影响。然后通过三次样条插值算法,建立起任意的K网点面积率下的颜色空间转换方程,方程也可达到较高精度,且其精度受特定K值下颜色空间转换方程精度的影响。因此增加网点面积率K=50%以后的数据,基于平面理论可以实现任意K网点面积率下CMYK到L*a*b*颜色空间更精确的转换。采用GA—BP神经网络建立颜色空间反向转换模型时,隐层和隐层神经元数的确定和调整过程很繁琐,且模型的预测精度不高,因此GA—BP神经网络应用于L*a*b*到CMYK的转换还是存在不少问题的。而基于GRNN进行的颜色模型变换研究可知该网络在学习样本确定后,则相应的网络结构和各神经元之间的连接权值也随之确定,网络的训练实际上只需确定SPREAD值,网络训练速度快、容易实现且模型的精度较高。

目录

摘要

Abstract

前言

主要符号表

1 概述

1.1 数码打样技术

1.2 颜色空间转换在色彩管理中的重要作用

1.3 颜色空间转换的研究现状

1.3.1 理论模型法

1.3.2 多项式回归算法

1.3.3 3D-LUT查找表插值算法

1.3.4 神经网络算法

1.3.5 基于平面理论的方法

1.4 本课题的研究意义及内容

1.4.1 本课题的研究意义

1.4.2 本课题的内容

2 实验设计

2.1 实验色靶设计

2.2 实验条件及数据的获得

3 基于平面理论进一步建立CMYK到L~*a~*b~*颜色空间转换模型

3.1 建模与检验数据的选取

3.2 平面方程规律的验证

3.2.1 依据平面理论建立平面方程

3.2.2 任意两网点面积率一定时的平面呈色规律

3.3 特定K值下CMYK到L~*a~*b~*中颜色空间转换方程的建立

3.3.1 K=0%时CMYK到L~*a~*b~*颜色空间的转换方程

3.3.2 K=10%时CMYK到L~*a~*b~*颜色空间转换方程

3.3.3 K=100%时CMYK到L~*a~*b~*颜色空间转换方程

3.3.4 其他特定K值下CMYK到L~*a~*b~*颜色空间转换方程

3.4 特定K值下CMYK到L~*a~*b~*颜色空间转换方程精度检验

3.5 CMYK到L~*a~*b~*颜色空间转换方程的实现与分析

3.6 本章小结

4 基于神经网络建立L~*a~*b~*到CMYK颜色空间转换模型

4.1 神经网络概述

4.2 基于GA—BP网络建立L~*a~*b~*到CMYK颜色空间转换模型及精度检验

4.2.1 BP神经网络概述

4.2.2 遗传算法概述

4.2.3 遗传算法优化BP神经网络的方法

4.2.4 确定网络划分数据

4.2.5 L~*a~*b~*到CMYK颜色空间的GA—BP神经网络模型的建立及精度分析

4.3 基于广义回归神经网络建立L~*a~*b~*到CMYK颜色空间转换模型及精度检验

4.3.1 径向基函数网络

4.3.2 广义回归神经网络

4.3.3 L~*a~*b~*到CMYK颜色空间的GRNN模型的建立及精度分析

4.4 本章小结

5 研究结论与展望

5.1 研究结论

5.2 存在不足与展望

致谢

参考文献

作者攻读硕士期间公开发表的论文

获奖情况