图1 BP网络模型结构(图中输入层的样本颜料的选择由具体实验确定，比如红、绿、蓝色料，输出层颜料一般为黄，品，青三种色料)

　　另外，还可以根据生产需要确定配色系统中BP网络的数目。在这种神经网络中，一组样本的样本信息先通过网络聚类，比如根据样本的数字色彩信息(如色相，明度，饱和度)进行动态聚类分析，将数据集划分成若干个聚类，使数据具有较高的相似性，然后再将每类数据输入给事先指定的BP网络分别进行配色仿真处理，经过BP网络的学习和训练得到系统输出。

　　基于BP神经网络算法配色的一般步骤如下：

　　(1)初始化。选定合理的网络结构，置所有网络可调参数为均匀分布的较小数值。

　　(2)对每个输入样本均进行前向计算和反向计算，自动修正权值。

　　(3)配方输出。

　　(4)完善并建立配色数据库，以便以后使用。

　　4、两种算法模型的比较

　　基于K-M理论和神经网络算法的计算机配色过程都大致分为数据的输入、数据的处理、数据的输出以及结果的校正、存储。这两种方法在实际应用过程中存在一定的差异，主要体现在以下几个方面：

　　(1)原理不同。

　　K-M理论基于物体(油墨，承印物等)对光的反射与散射理论，而神经网络则是以神经元传导特性以及模糊数学理论为基础的抽象的数学模型。其中BP网络从函数拟合的角度看，是具有插值功能的，能实现给定的输入输出映射关系得一种数学变

　　换。

　　(2)算法过程存在差异。

K-M理论针对颜色三刺激值方程，通过墨层的光谱反射率这一桥梁，将两者紧密的联系起来，采用MATLAB矩阵迭代计算实现匹配。这种算法中，模拟配方数据采用整体输入输出形式，各波段数据整体参与计算匹配，导致其效率降低。

　　应用于计算机配色领域的神经网络算法则是将神经网络原理与模糊数学相结合，简化处理各层间的不确定性，然后运用MATLAB系统仿真函数进行匹配。运用神经元特性对各组数据进行单个分层匹配。

　　(3)校正方式不同。

　　K-M理论模型校正在一次配色输出完成后进行。校正过程需经过实际印刷打样，分析输出配方误差，如果误差太大则需重新输入数据，进行进一步配方调整。

　　而神经网络算法模型校正在一次数据处理中进行。校正根据开始输入时确定的权值和阈值，由隐层算法公式根据网络设定进行自动调节。

　　(4)算法灵活性差异。

　　K-M理论方程的得出，是进行了以下大量假设：(a)介质为不透明或者半透明;(b)墨层在水平方向向两维空间扩展，光通量在水平通过与之垂直的边缘时的损失可以忽略;(c)只考虑膜层中向上和向下行进的漫射光在膜层中穿行时发生的情形。当使用条件改变时，为了保证准确率，则需要对模型进行调整，因此这些理想假设的提出大大限制了该理论模型在实际生产中的运用。另外，基于K-M理论的配色软件数据处理的灵活性较差。如果一次配色不合格则需要重新将配方样稿的相关数据输入计算机进行调整。

　　神经网络模型采用模糊控制理论，色彩匹配的过程和精度由预先设置的可调参数决定。样本数据输入后由模型自行调整，输出的即为已经调整好的较为满意的数据，避免了原始数据的重新输入。因而具有较强的泛化能力和灵活性。

　　(5)配色速度和精度的差异。

　　决定K-M理论配色系统配色速度与精度的因素为对光波波长(380nm-780nm)的区间划分以及配色基础方程的选择。但是如果若区间划分比较细致，则又会加大数据量，从而影响配色速度;一般配色选用单常数方程，该方程假设条件较多，适用范围受到限制，因此配色精度不是很理想。

　　神经网络算法在配色过程中具有自动聚类修正功能，校正处理在一次匹配中完成，可以确保每次输出的配色配方为最佳，提高了配色效率。配色过程中决定其配色精度与速度的因素主要是隐层节点数目和隐层函数的选择。隐层数目过少则精度较低，过高则配色速度太慢。目前也只能凭借经验进行选择，在实际配色系统中，一般选取1个隐层，节点数目大约10个，配色精度就能满足实际应用要求。

　　通过以上五个方面的比较分析可知，神经网络算法灵活性、方便性比K-M理论算法高，配色精度比K-M理论要好，应用范围也比较广。

　　结 语

　　计算机配色系统的研发对于改善目前生产过程中的不确定性以及促进印染工业的发展具有非常重要的现实意义。到目前为止，关于计算机配色方面的研究仍在继续，我们期待更加优良的配色系统的诞生，早日实现色彩的完美再现!

　　参考文献

　　< >徐海松. 计算机测色与配墨新技术[M]. 北京:中国纺织出版社， 1999.徐海松.颜色信息工程[M].杭州：浙江大学出版社，2005.周世生.高等色彩学[M].北京：印刷工业出版社，1997.张乃尧，阎平凡著.神经网络与模糊控制[M].北京：清华大学出版社，1998.张秉森，刘晓洁.神经网络在计算机配色中的应用[J].印染，2005(18)：29-31.徐海松. Kubelka-Munk 理论在纺织印染自动配色中的应用研究[J]. 光子学报，1998，27(4)：338-341.周春霞，唐正宁.包装印刷专色油墨的计算机配色理论研究[J].包装工程，2006(5)：121-123.Stephen　Westland，Caterina Ripamonti. Computational Colour Science Using MATLAB [M]. England， John Wiley & Sons， 2004.

 2/2   首页 上一页 1 2