发光学报
髮光學報
발광학보
CHINESE JOURNAL OF LUMINESCENCE
2015年
6期
711-717
,共7页
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神經網絡%遺傳算法%主成分分析%顏色預測模型%光譜反射率
BP신경망락%유전산법%주성분분석%안색예측모형%광보반사솔
BP neural network%genetic algorithm%principal component analysis%color prediction model%spectral reflectance
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(△Eab*)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△Eab*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.
顏色分區法是簡化多基色顏色複製的主要方法,本研究以3基色為組將7基色色空間分成6箇子空間,結閤主成分分析(PCA)對分區內顏色樣本的光譜反射率降維,通過3層BP神經網絡,建立樣本網點麵積率與多基色複製色光譜反射率的轉換模型,併通過遺傳算法(GA)對神經網絡權值閾值進行優化,提高多基色複製的顏色預測精度.實驗結果錶明,在各分區訓練樣本數為64、檢測樣本數為216時,GA-BP神經網絡模型顏色預測的平均色差(△Eab*)為1.669,光譜均方根誤差(RMSE)為0.7％,預測精度和穩定性均高于BP神經網絡模型和胞元Neugebauer模型.最後,將訓練樣本數為64的GA-BP模型與訓練樣本數量為125,216,343的BP神經網絡模型(平均△Eab*分彆為3.267,2.776,2.175,光譜RMSE為0.97％,0.79％,0.76％)進行瞭比較,結果錶明訓練樣本數為64的GA-BP模型的預測精度與訓練樣本數量為343的BP神經網絡模型相噹.GA-BP模型僅需少量樣本即可實現高精度的顏色預測,在應用中具有良好的可移植性.
안색분구법시간화다기색안색복제적주요방법,본연구이3기색위조장7기색색공간분성6개자공간,결합주성분분석(PCA)대분구내안색양본적광보반사솔강유,통과3층BP신경망락,건립양본망점면적솔여다기색복제색광보반사솔적전환모형,병통과유전산법(GA)대신경망락권치역치진행우화,제고다기색복제적안색예측정도.실험결과표명,재각분구훈련양본수위64、검측양본수위216시,GA-BP신경망락모형안색예측적평균색차(△Eab*)위1.669,광보균방근오차(RMSE)위0.7％,예측정도화은정성균고우BP신경망락모형화포원Neugebauer모형.최후,장훈련양본수위64적GA-BP모형여훈련양본수량위125,216,343적BP신경망락모형(평균△Eab*분별위3.267,2.776,2.175,광보RMSE위0.97％,0.79％,0.76％)진행료비교,결과표명훈련양본수위64적GA-BP모형적예측정도여훈련양본수량위343적BP신경망락모형상당.GA-BP모형부수소량양본즉가실현고정도적안색예측,재응용중구유량호적가이식성.
