1 上海出版印刷高等专科学校， 上海 200093
2 河南牧业经济学院， 河南 郑州 450011
3 河南工程学院， 河南 郑州 450007
4 上海理工大学， 上海 200093
光谱颜色复现和色度精度是评价光谱重建算法准确的基础。 简单而直观的评价指标对颜色复现控制是必不可少。 该指标需要同时表征复现颜色的光谱差和色度差。 在研究光谱匹配评估的方法基础上， 提出基于颜色视觉感知的三种光谱评估指标， 通过加权人眼视觉匹配函数， 实现颜色光谱差与色度的评估。 通过孟塞尔颜色系统的光谱数据， 该论文分析与验证三种视觉加权的评估指标的有效性。 通过孟塞尔颜色系统数据， 这些指标在CIELab均匀色空间中分布均匀而稳定， 从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。 实证结果表明， 加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。 基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。 所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。
光谱视觉评估 光谱误差 光谱评估尺度 评估尺度 颜色视觉感知 Spectral perception evaluation Spectral error Spectral estimation metric Estimation metric Color perception 光谱学与光谱分析
2018, 38(5): 1655
1 上海理工大学光电信息与计算机工程学院, 上海 200093
2 河南牧业经济学院包装与印刷工程学院, 河南 郑州 450011
3 上海理工大学出版印刷与艺术设计学院, 上海 200093
4 河南工程学院材料与化学工程学院, 河南 郑州 450007
传统主成分(PCA)光谱降维方法利用数学的方法, 保证降维后的重构光谱与原光谱在形状上尽可能相似, 但是传统PCA降维过程中无差别的对待每一个波段的光谱数据, 而人眼视觉对不同波段的光谱敏感程度不同, 会造成有时候虽然光谱误差较小, 但是人眼看上去色差较大的情况。 在保证光谱误差的同时, 为了能够有效的减少源光谱与重构光谱的色度误差, 提出了两种基于人眼视觉的加权函数对传统PCA降维方法进行优化, 并利用残差光谱对模型进行补偿。 实验过程以Munsell色卡作为训练样本, Munsell色卡和多光谱图像“young girl”作为测试样本, 然后利用本文提出的加权函数进行PCA降维并重构, 并与相关文献提出的方法进行了对比。 实验结果表明, 提出的两种加权算法, 与其他算法相比, 无论是色度精度还是在变光源的稳定性方面, 都有显著地提高。
主成分分析 人眼视觉加权 光谱降维 残差补偿 PCA Human-vision-weighted function Residual error compensation Dimension-reduction 光谱学与光谱分析
2017, 37(5): 1601
1 上海理工大学 光电信息与计算机工程学院， 上海 200093
2 上海出版印刷高等专科学校 印刷包装工程系， 上海 200093
3 深圳职业技术学院 传播工程学院， 广东 深圳 518000
对不同的半色调混合像元比例通过彩色喷墨打印机输出后的光谱反射率曲线的光谱形态特征进行了研究。选择反射光谱形态指标，分析了125组不同半色调混合比例下光谱混合像元反射光谱形态指标的变化规律。研究结果表明，半色调混合元的光谱形态指标与半色调混合像元的比例间存在明显的关系；选择分析的4个光谱形态指标之间存在着较大的相关性，按照0.05及以上置信水平和相关系数>0.9的条件对光谱形态指标进行剔除，确定了不同基色不同特征波段中的有效光谱形态指标；在不同波段范围内，各光谱形态指标随半色调混合像元比例的变化规律存在差异性；使用回归分析，各基色特征波段的光谱形态指标与半色调混合比例符合一次线性与二次多项式关系，R2可达到0.9以上。
光谱分析 光谱特征 光谱形态 反射光谱 喷墨打印 spectral analyses spectral character spectral morphological spectral reflectance ink-jet
1 上海理工大学 出版印刷与艺术设计学院, 上海 200093
2 上海出版印刷高等专科学校, 上海 200093
为实现 LCD显示器的光谱特征化, 本文提出一种基于遗传算法优化(Genetic Algorithm, GA)的BP神经网络(GA-BP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分, 同时采用PCA对光谱数据进行降维, 接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化, 建立显示器驱动值与光谱数据之间的神经网络模型, 实现了显示器的光谱特征化。实验结果表明子空间划分后, 在子空间中进行模型参数的优化有利于模型整体精度的提高, GA的优化有效改善了BP神经网络的极值问题, 提高了模型的精度, PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。
BP神经网络 遗传算法 光谱特征化 液晶显示器 主成分分析 BP neural network genetic algorithm spectral characterization LCD principal component analysis
上海理工大学出版印刷与艺术设计学院, 上海 200093
针对打印机的非线性以及印刷条件的复杂性，提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络与子空间划分的打印机颜色预测模型。对打印机进行子空间划分，在子空间中进行模型的构建，采用GA 同时对RBF 神经网络的隐含层节点的中心和宽度参数进行优化进而构建了GA-RBF 神经网络模型。同时将本文算法与RBF 神经网络、Yule-Nielsen 修正的Cell Neugebauer(CYNSN)模型两种主流算法的预测精度进行了比较。实验结果表明，GA 的优化弥补了RBF 神经网络可调参数单一的缺陷，提高了模型的预测精度，与其他模型相比，该模型具有较高的预测精度和泛化能力，用于打印机的颜色预测是切实可行的。
光谱学 RBF 神经网络 遗传算法 颜色预测模型 光谱反射率 激光与光电子学进展
2015, 52(11): 113301
1 上海理工大学 出版印刷与艺术设计学院, 上海 200093
2 上海出版印刷高等专科学校 印刷包装工程系, 上海 200093
颜色分区法是简化多基色颜色复制的主要方法,本研究以3基色为组将7基色色空间分成6个子空间,结合主成分分析(PCA)对分区内颜色样本的光谱反射率降维,通过3层BP神经网络,建立样本网点面积率与多基色复制色光谱反射率的转换模型,并通过遗传算法(GA)对神经网络权值阈值进行优化,提高多基色复制的颜色预测精度.实验结果表明,在各分区训练样本数为64、检测样本数为216时,GA-BP神经网络模型颜色预测的平均色差(ΔE*ab)为1.669,光谱均方根误差(RMSE)为0.7%,预测精度和稳定性均高于BP神经网络模型和胞元Neugebauer模型.最后,将训练样本数为64的GA-BP模型与训练样本数量为125,216,343的BP神经网络模型(平均ΔE*ab分别为3.267,2.776,2.175,光谱RMSE为0.97%,0.79%,0.76%)进行了比较,结果表明训练样本数为64的GA-BP模型的预测精度与训练样本数量为343的BP神经网络模型相当.GA-BP模型仅需少量样本即可实现高精度的颜色预测,在应用中具有良好的可移植性.
BP神经网络 遗传算法 主成分分析 颜色预测模型 光谱反射率 BP neural network genetic algorithm principal component analysis color prediction model spectral reflectance
