CMAC辨识的CMYK到CIE L*a*b*颜色空间转换模型的研究

为了解决设备相关颜色空间CMYK与设备无关颜色空间之间的相互转换问题,利用小脑模型神经网络(cerebellar model articulation controller, CMAC)高度非线性拟合能力,研究CMYK颜色空间与CIE L*a*b*之间的转换关系,研究结果显示该方法具有结构简单,易于软件和硬件的实现,将IT8.7/3标准色靶文件中104个专业色块值作为检验样本,检验样本的平均色差为1.6,完全适用于两种不同颜色空间之间的转换过程.      

基于K-means聚类的纺织品印花图像区域分割

对纺织品彩色印花图像进行颜色区域分割.将彩色纺织品印花图像转换到CIEL*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*争b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对彩色纺织品印花图像进行分割处理.实验结果表明,在CIE L*a*b空间使用K-means聚类算法可以有效地分割彩色纺织品图像的颜色区域.     

一种基于模糊神经网络的ncRNA基因预测方法

提出了一种基于模糊神经网络的ncRNA基因预测方法.该方法由预处理、具有结构学习的模糊神经网络预测器、后处理3个部分组成.预处理模块将比对后的输入序列进行滑动窗处理,并顺序提取有效的特征信息.模糊神经网络预测器采用了基于Takagi-Sugeno模型的5层模糊神经网络结构,通过输入层、模糊化层、点火强度层、归一化点火强度层、输出层的计算,得到预测结果;并进一步给出了一种模糊神经网络的结构学习算法,可有效地降低参数空间的维度,提高计算效率,并避免过学习情况的产生.后处理过程可对有交叠的预测结果进行拼接.实验结果表明,较之其他预测工具,本方法的ncRNA基因预测精度有所提高.     

基于递阶T-S模糊系统的软测量建模方法

在采用递阶模糊系统进行软测量建模时,合理的模糊系统结构对于提高模型的性能具有重要的意义.为选择合理的系统结构,采用多目标遗传算法(MOGA)选择子系统的输入变量,并结合T-S模糊系统的特点,采用二分法划分子系统的输入空间,建立了基于递阶T-S模糊系统(HTFS)的软测量模型.该方法从结构细化、输入变量对输出的影响度、输入空间划分等多方面同时提高建模精度,简化模型结构.仿真结果表明,提出的软测量方法具有精度高、结构简单、生成规则数量少,具有良好的泛化特性等优点.     

基于模糊理论的RGB到CIEL*a*b*色彩空间转换模型的研究

为满足印刷一致性和预期性的要求,基于颜色的模糊性,根据模糊控制基本理论,采用三角形隶属函数并通过实验建立了模糊规则,实现了从RGB到CIEL^＊a^＊b^＊颜色空间模型的转换。     

基于哈尔特征及结构复杂度的视觉显著性模型

提出了一种基于哈尔特征及结构复杂度的视觉显著性计算模型.首先,将输入图像从物理颜色空间RGB转换到感知颜色空间LAB.然后,用积分图快速计算出图像在LAB颜色空间各颜色通道中不同尺度下的哈尔特征图.最后,将所有特征图根据各自的结构复杂度融合为最终的显著图.实验结果表明,该模型总体上优于当前的6种典型算法,与心理学实验结果有较好的一致性.     

基于Matlab神经网络工具箱的颜色模型转换方法研究

由于计算机颜色量化系统的每个设备都具有不同的色域和色彩特征,颜色信息在该系统中的精确控制及传递就显得尤为困难,所以采用彩色亮度计对颜色量化系统进行标定.摄像机获取的彩色图像被表示成RGB值,从彩色亮度计获得XYZ值,两者之间的转换是非线性的,因此引入神经网络完成这一转换.借助MATLAB神经网络工具箱完成了训练程序、测试程序、预测程序的编写工作,用经过归一化的黄色训练样本与测试样本对隐层节点数为12的三层网络进行训练,结果表明经过训练的BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求,达到了预定目标,使用该网络可以定量表达颜色.     

基于颜色注意机制的弱光图像增强算法

针对当前弱光图像增强算法在恢复过程中存在颜色与细节丢失的问题,提出一种基于颜色注意机制的增强算法.该算法首先将弱光图像从RGB色彩空间转换至CIE LAB色彩空间,将弱光图像分解为亮度和颜色两个分量.其次,利用两个卷积神经网络(CNN)模型对亮度和颜色分量分别独立增强.然后对增强后的颜色分量使用监督注意力机制,在弱光图...     

T-S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法．仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数．     

一种彩色打印机标定的预测查找方法

提出的预测查找方法试图利用较小规模的测试数据表获得较高的转换精度．该方法根据实际测量数据建立RGB(设备颜色空间)和L^*a^*b^*(标准颜色空间)之间的近似转换模型，并建立一个按特定规律排列的RGB—L^*a^*b^*表，用给定的L^*a^*b^*查出一组近似的RGB值并计算相应的色差，进而利用模型的预测对RGB值进行修正，如此以逐步逼近的方式使色差小于一个预定的阈值．实验结果表明，由于这种逼近在模型预测指导下进行，多数情况下经过2～3次迭代即可达到色差小于2～3个CIELAB色差单位。     

阴极射线管色度转换的神经网络模型

利用神经网络技术实现了从阴极射线管(CRT)的R、G和B空间到CIE的标准色度空间的转换.用拟牛顿法训练网络模型,建立了从CRT的R、G和B到CIE的X、Y和Z色度空间变换的3 10 10 3神经网络模型.采用7点LOG空间分布方案的343个训练样本建模的试验表明,收敛性与训练时间及模型精度均优于前人采用3~4个隐层的方案,343个训练样本、216个检验样本和64组测试样本的平均转换精度分别为0.6个CIELUV色差单位,说明该模型的泛化能力很好.     

利用颜色信息的人脸检测方法

提出一种利用颜色信息的人脸检测方法,首先把输入的彩色图像从ＲＧＢ转换到ＹＩＱ颜色空间,提取与人的肤色相关的Ｉ分量图像,通过对整幅Ｉ分量图像进行尺度变化和窗口扫描,解决待测人脸的位置,大小不同问题,实现平移不变和尺度不变。然后对Ｉ分量图像进行门限化处理。     

木材染色颜料配方预测模型

 木材颜色是决定消费者印象的重要因素,为了提高木制品的装饰作用和产品价值,要对木材及木质材料进行着色。将计算机配色的方法用于木材染色中,能加快染料配方生成的速度并将极大地提高工作效率、节约成本。本文研究了一种运用动态模糊神经网络建立的木材染色颜料配方预测模型,所谓的“动态”是指模糊神经网络的网络结构不是预先设定的,而是动态变化的,即在学习开始前,没有一条模糊规则,其模糊规则在学习过程中逐渐增长而形成的。在论述建模方法的基础上,对算法中的学习规则和参数确定进行了研究。模型为三输入三输出系统,输出就确定为活性艳红X-3B、活性黄X-R、活性蓝X-R的浓度值,输入为色差,该模型预测相对误差为0.52%,训练时间为128s,结果比较令人满意。这种方法为木材染色配色提供了一种新的途径,同时也为其理论在配色系统中的应用提供了新的思路,具有一定的理论研究价值和实际应用价值。     

高炉煤粉喷吹系统的动态辨识

高炉煤粉喷吹是一个时变、非线性复杂系统,采用常规方法无法建立起精确的数学模型·通过对煤粉喷吹系统的研究,提出一种带可调因子的模糊神经网络(AFNN),它通过调节可调因子的大小,实现喷吹对象的动态辨识·实验结果表明,该网络具有快速的学习能力和较强的自适应性能·     

木材染色计算机自动配色系统设计

 以人工林樟子松和大青杨为研究对象,提出了一种基于模糊神经网络的计算机配色系统设计方案,该方案模型为4层网 络,具有实现简单的特点;在此基础上,用C语言编程实现了软件设计。该系统以已知颜色和目标颜色的色差作为输入,配方浓度作为输出,建立了木材染色配方预测平台,并利用试验验证了模型,证明了模型的可行性。该平台的建立,对于木材染色的工业普及与应用具有重要作用。     

基于分组数据处理神经网络气动人工肌肉迟滞特性

气动人工肌肉的动态特性中存在着非常复杂的迟滞现象.目前对其迟滞特性的研究很不充分,甚至对其输入空间都难以确定.为此,建立了单自由度气动人工肌肉实验平台,利用分组数据处理神经网络独特的自组织特性,运用数据挖掘技术探索气动人工肌肉迟滞特性的输入空间.将自适应模糊小脑模型神经网络引入滑模控制,基于已确定的输入空间,在每个采样周期逼近迟滞力不断变化的动态值,在线实时补偿迟滞力的影响.实验结果验证了输入空间选取的合理性和有效性.
     

基于主色色差的彩色图像边缘检测方法

图像边缘是图像重要特征之一,传统的边缘检测方法大都基于灰度图像,将彩色图像转为灰度图像后进行边缘检测不能充分利用彩色图像信息,而基于非均匀空间的彩色图像边缘检测方法也会造成信息丢失。文章提出了一种基于均匀颜色空间CIE1976L*a*b*空间色差的彩色图像边缘检测方法,充分考虑了颜色矢量距离差异和颜色矢量方向差异,能够比较准确的检测到彩色图像的边缘,优于基于灰度和非均匀颜色空间的边缘检测方法。     

L*a*b*颜色空间在色差评估中的明度标尺均匀性

用倍率法对打印色样和ＣＲＴ模拟色样进行视觉评估实验,研究了Ｌ＾＊ａ＾＊ｂ＾＊颜色空间在用于色差评估时明度标尺的均匀性。视觉实验的数据处理结果表明,Ｌ＾＊ａ＾＊ｂ＾＊空间的明度差几乎没有依赖于明度而呈一定变化趋势的特性,因此在ＣＩＥ９４色差公式中的明度权重函数的原始取值为１。     

基于Matlab神经网络工具箱的颜色模型转换方法研究

由于计算机颜色量化系统的每个设备都具有不同的色域和色彩特征,颜色信息在该系统中的精确控制及传递就显得尤为困难,所以采用彩色亮度计对颜色量化系统进行标定。摄像机获取的彩色图像被表示成RGB值,从彩色亮度计获得XYZ值,两者之间的转换是非线性的,因此引入神经网络完成这一转换。借助MATLAB神经网络工具箱完成了训练程序、测试程序、预测程序的编写工作,用经过归一化的黄色训练样本与测试样本对隐层节点数为12的三层网络进行训练,结果表明经过训练的BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求,达到了预定目标,使用该网络可以定量表达颜色。     

基于矩形函数系的模糊神经网络及其应用

提出了一种基于矩形函数系的模糊神经网络，其特点是输入空间被划分为许多大小一致且互不相交的超立方体，而每一个超立方体中的模糊神经网络都具有常值输出，只有当一个超立方体内落入样本时，相应的样栈才被编码后作为“规则”记忆下来。因此，这种网络可以自动生成模糊规则，关于静态误差的定理表明，将这种网络用于一类非线笥系统的在线控制中，当输入空间的划分足够小时，可使非线性系统的静态误差任意小，仿真实全怨表明，将这