论文部分内容阅读
数字化技术在媒体中的应用已经影响到媒体内容传输的各个方面,数字图像作为重要的媒体内容类型之一,其复制效果与色彩再现的真实程度息息相关。色彩作为图像的基本要素,在图像采集、存储、处理以及复制过程都占有重要地位。但由于色彩设备原理、结构、制造工艺和驱动程序等方面的差异,导致同一数字图像在不同色彩设备上呈现色彩各异。色彩管理系统(CMS)以此需要为基础,通过色彩设备校正、特征化和色彩转换精确再现色彩信息。随着最优化理论的发展及计算机运算能力和存储能力的提高,色彩管理中设备特征化模型和色彩转换模型的建立也将其纳入研究范围。本文在新近出现的人工神经网络、遗传算法和粒子群算法等最优化理论的基础上,以数字图像像素为基础建立了设备点集色域,对最优化理论在设备特征化模型和设备色域匹配模型建立中的应用展开了深入的探讨和研究,建立了若干种设备正向和反向特征化模型以及设备色域匹配模型,并对所建立的模型进行了评价和比较。论文的主要工作和创新点包括:(1)以数字图像像素为基础,结合设备正向特征化模型建立了显示设备和打印设备的点集色域,并通过实验将设备点集色域与几何色域进行了比较。实验结果显示,在当前计算机运算速度和存储容量大幅度提高的前提下,采用点集色域方法也可以非常有效的表示设备的色域。(2)建立了基于BP神经网络的设备正向特征化模型,在对学习样本进行色相角分类的基础上,提出了并建立了基于BP神经网络的设备反向特征化模型,初步解决了BP神经网络难以直接用于设备反向特征化模型的问题。(3)将径向基神经网络引入设备特征化正向模型的建立,并以径向基网络的共同参数SPREAD值为切入点,提出了在经验范围内利用计算机程序自动确定最优SPERAD值的方法,建立了基于3种径向基函数的设备特征化正向模型,并与成熟的基于BP神经网络的设备正向特征化模型进行了比较。实验结果显示,基于径向基神经网络建立的设备正向特征化模型,与基于BP神经网络的设备正向特征化模型相比,速度和精度都有了较为明显的提升。(4)基于设备点集色域和GBD色域描述超细化(Ultra-Fine)分区方法,提出了两种基于超细化GBD色域匹配方法,分别命名为UFGBD1和UFGBD2;基于BP神经网络、遗传算法和粒子群算法,提出了基于BP神经网络的色域匹配方法(BPNNGM)、基于准遗传算法的色域匹配方法(QGAGM)和准粒子群算法的色域匹配方法(QPSOGM),并设计实验将所提出的色域匹配方法与CARISMA色域匹配方法进行了主观和客观的比较。实验结果显示,本文所提出的五种色域匹配算法,与成熟的色域匹配算法相比,达到了基本一致的性能。(5)针对色彩管理与印刷工艺关系密切的特点,提出了基于数字图像块处理理论的印刷油墨估算方法,并针对胶印和凹印典型产品的实际生产情况设计进行了实验。实验结果显示,该油墨估算方法可以达到较高的估算精度,可以用于实际生产中印刷油墨用量的估算,具有一定的实践指导意义。最后,在总结本文的主要内容以及所取得的研究成果,和分析探讨研究中存在不足的基础上,提出了后续研究工作的建议和想法。