基于神经网络的颜色空间转换模型的实现开题报告

1. 研究目的与意义

目的：随着计算机技术的发展和网络的普及，印刷产业正面临着一场巨大的技术革命，它正逐渐转向全数字化生产。为了实现所见即所得，色彩管理便更是显得尤为重要。而色空间转换是色彩管理的核心技术之一，在众多的设备无关的色空间到设备相关的色空间装换中， CIEL*a*b*颜色空间的均匀性是目前最好的。本文是利用RBF神经网络建立CMYK到L*a*b*颜色空间转换模型。

意义：通过得到精度较高的模型来实现颜色的准确转换，解决了颜色信息在不同设备间之间的精确描述与传递的问题。

2. 国内外研究现状分析

迄今为止，国内外关于色空间的转换算法的研究有很多，主要有以下几种方法：

(1)纽介堡方程

1937年，由hans neugebauer发表了以他名字来命名的纽介堡方程，它是一种建立在色元网点面积率和色元三刺激值的基础上的彩色印刷网点呈色模型。

3. 研究的基本内容与计划

研究内容：

本文将从输出设备的颜色空间转换入手，利用rbf神经网络建一个cmyk－lab的颜色空间转换模型包括：

（1）通过实验以建立一套设备校准流程，从而得到训练样本数据

4. 研究创新点

近年来，国内外有许多学者将神经网络（主要是BP网络）应用于颜色空间的转换，可以达到接近于三维查找表的精度，因为不用存储数据库，所占的存储空间可减小很多，是一种很有发展潜力的方法。RBF网络和BP网络是最常用的两种神经网络，RBF网络在学习速度及泛化能力上有很大优势：BP神经网络学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能非常长，这主要是由于学习速率太小造成的。而RBF神经网络是种高效的前馈式网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。所以本文主要探讨基于RBF神经网路的颜色空间转化模型。