人工智能方法在颜色空间转换中应用与研究

上传者：董博彦
|
上传时间：2015-04-24
|
密次下载

人工智能方法在颜色空间转换中应用与研究

摘要ＪＭＪＪｌｌｌｒｌＪｌｆｌｌｌｌｌｌｉｌｌｌＩｌｌｒｌＪＭｌＪｌｌｌｌｆｌｌｌｌＵＪ论文题目：人工智能方法在颜色空间转换中的应用ｄ２３４６８１ｏ学科名称：机械工程、印刷包装技术与设备研究生：智川指导教师：周世生教授摘要签名：签名：随着计算机技术及其外设的普及，传统的颜色控制方法已经融合了先进的数字技术，形成了一个崭新的颜色控制方法，即色彩管理技术。该技术广泛应用于彩色桌面出版系统、网络传播、纺织印染等领域和行业，以解决颜色在不同介质的媒体中正确传播的问题。颜色空间转换模型的研究是色彩管理技术实现的核心环节之一，颜色值在不同颜色空间之间的转换精度和速度，对提高色彩管理技术的整体水平有重要意义。与此同时，人工智能控制理论的发展已成为计算机学科的一个分支，并在许多学科领域得到了广泛的应用，在近三十年来取得了丰硕的成果。本课题在对目前常用的颜色空间转换模型进行分析的基础上，将人工智能控制理论中应用最为广泛的神经网络和模糊逻辑理论，引入到色彩管理技术中不同颜色空间模型之间的相互转换问题，建立了基于模糊理论的颜色空间转换方法和基于神经网络的颜色空间转换方法，并结合这两种颜色空间转换方法的特点，建立了基于模糊神经网络辨识方法的颜色空间转换模型。在颜色空间转换模糊模型的研究中，采用将输入颜色空间颜色分量分别划分为三个、四个和五个模糊子集的方法，通过建立模糊规则，进行模糊推理，实现了颜色值在不同颜色空间之间的转换。为了讨论模型特点，定义了颜色空间转换模型的稳定性和鲁棒性的概念。研究结果显示，颜色空间转换模糊模型虽然具有转换速度快、稳定性强等特点，但同时又表现出转换精度不足以及鲁棒性较差的特征。在神经网络颜色空间转换模型的研究中，分别采用ＢＰ神经网络和径向基网络进行颜色空间转换，并建立了基于动态子空间自动划分的神经网络颜色空间转换方法。研究结果显示，神经网络颜色空间转换模型虽然具有自组织、自学习、自适应的能力，并在局部子空间中具有自适应辨识能力强和精度高等优势，但模型又表现出其稳定性和鲁棒性不足的特点。论文在对模糊控制与神经网络结合方式的深入研究的基础上，本文又提出了颜色空间转换模糊神经网络辨识方法。该方法结合了颜色空间转换模糊模型和神经网络模型各自的特点，合理实现了模糊与神经网络颜色空问转换算法的优势互补，不仅大大提高了模型的

教育资源为主的文档平台

文档分类