基于BP神经网络的全色域彩色纱颜色预测模型构建

针对传统测配色理论的局限性,利用神经网络良好的非线性映射能力构建一种全色域彩色纺纱的颜色预测模型。以灰、青、品红、黄作为四基色进行全色域混色模型的构建,并选取该全色域模型中的66个网格点进行纺纱,制备混色纱及织物,利用分光光度计测出66种织物的光谱反射率曲线,建立基于颜色预测混纺比和基于混纺比预测颜色值的神经网络,并根据预测值与实际值之间的色差值和均方误差评估这两种神经网络的准确性。结果表明:基于BP神经网络的颜色预测模型可以实现色纱颜色值与四基色颜色比例之间的非线性映射,测试样本的平均色差在2,后续将使用遗传算法或粒子群优化算法对其进一步优化,提高全色域彩色纱颜色预测模型的准确性。

基于Stearns-Noechel模型的混色毛条颜色预测

由于有色纤维混纺后难以准确预测目标色的颜色构成,其颜色预测一直是生产中有待解决的难题,为此,在Stearns-Noechel模型基础上探讨有色毛条混色的颜色匹配公式。通过统计分析改进公式中的M常数,提出新的预测公式,并与原公式进行对比。结果表明:改进后的公式在线性关系和匹配精度上都有了不同程度的提高,尤其是针对波长修正的M值所建立的新模型,在匹配90个样品时,色差小于3.0的个数占91.11%,平均色差降低为1.679 CIELAB单位,表明该模型适用于混色毛条的颜色预测。

基于Kubelka-Munk双常数理论的纬全显色提花织物配色算法

由于织物结构与各单色纱线种类的千变万化,颜色设计一直以来都是生产设计中的难题。为了求得纬全显色提花织物的色彩显色模型,采用黑、白、红、绿、黄5种色纱为纬纱,按2组分不同比例混合交织得到单经双纬的纬全显色提花织物试样。通过大量实验测试,用最小二乘方法求得Kubelka-Munk双常数理论中的单纱吸收系数K值和散射系数S值,从而得到纬全显色提花织物的配色算法,并对织物中各纬纱颜色的表面比例进行预测。结果表明,Kubelka-Munk双常数理论可以较好地解释纬全显色提花织物颜色与各单纱颜色比例之间的关系。

基于Stearns-Noechel模型的纤维光谱配色算法

为了研究有色纤维的配色算法,使用红、黄、蓝3种单色粘胶纤维按一定质量比例混合得到混色纤维,并对混色纤维的颜色进行了测量。通过对Stearns-Noechel模型的分析应用,结合光谱配色算法,对36个混色粘胶纤维的处方进行了匹配,配色结果显示最大色差为1.03 CIELAB单位,最小色差为0.10 CIELAB单位。结果表明此算法可以应用于有色纤维的配色。

涤棉混纺织物电脑配色的应用

为了解决涤棉混纺织物染色中染料会对另一纤维产生沾色,从而造成配色精度下降的问题,采用纯棉和考虑棉沾色的纯涤纶单色基础数据进行了涤棉织物分散/活性二浴法染色的配色实验。结果表明,该方法对单拼色和双拼色试样的配色精度较高,预告处方与实际用量相近,修色后色差较小;应用于三拼色试样时配色精度稍低。此外,对影响配色精度的因素作了分析,该配色方法可应用于涤棉混纺织物的配色。

基于Ga-BP神经网络的色纺纱配色

针对传统配色方法及配色算法存在不足之处,利用BP神经网络对色纺纱进行配方预测,并用遗传算法对其进行改进.结果表明:将遗传算法引入到BP神经网络,可优化BP神经网络配色模型;测试样本包含在训练样本中时,预测配方精度非常高,配方绝对误差均值几乎为0;而测试样本不包含在训练样本中时,预测配方精度较低,配方绝对误差均值为0.033,初次打样色差均值为1.69 CMC(2∶1),大于1 CMC(2∶1).

Stearns-Noechel模型优化及毛条混色配色系统开发

针对缺少理想的混色模型现状和开发计算机混色配色系统的迫切需要,在对经验Stearns-Noechel模型优化和改善的基础上建立了适用于毛条混色应用需要的计算机配色预测数学模型。分析了基于优化的Stearns-Noechel模型实现混色毛条计算机配色的三刺激值配色原理及算法流程,提出在配方预测中修正误差的方法及配色效果的控制方法。依此开发的计算机混色配色系统,经过实际的配色实验检验,显示出快速、准确提供配方的能力,平均预测色差为0.614 CIELab单位,证明开发的配色系统对毛条混色产品的配色是非常有效的。

基于BP神经网络的色纺纱配色

针对传统配色模型实用性差的问题,利用神经网络强大的非线性映射能力,探讨基于人工神经网络的色纺纱配色方法。构建了色纺纱BP神经网络配色模型,研究了多种BP算法,隐含层节点数对仿真效果及泛化能力的影响。结果表明:基于BP神经网络的色纺纱配色方法可以实现色纺纱反射率与配方之间的非线性映射,新型算法(Levenberg-Marquardt、拟牛顿、共轭梯度算法)在迭代次数和仿真时间上有较大的优势,隐含层节点数对仿真结果影响较小,训练样本的平均预测色差为0.18,但超出训练范围的样本预测色差较大,因此提高该神经网络的泛化性能是下一步研究的关键。

电脑测色配色系统的应用探讨

探讨思维士电脑测色配色系统在染色仿样中的应用 ,介绍染料基础数据库的建立方法及其应用中存在的问题 ,并分析了配色不准的原因。

数码测色法在织物颜色评价中的应用

针对近年来新出现的基于数码拍摄的颜色测试技术,考察了数码测色法中具有代表性的Digieye数码测色系统的颜色色域问题。为研究其对不同类型纺织面料颜色评价的适用性,选取PantoneTPX纸质色卡、染色织物和交织混色织物作为测试比较对象,以Datacolor SF600分光光度测色系统作为测试对比仪器,分别对3种类型的18个色样进行了颜色测试。研究发现,校准后的DatacolorSF600分光光度测色系统和Digieye数码测色系统用于纸质色卡颜色测试时,能够获得较为一致的颜色评价(ΔE*00=0.79);但当它们用于非平整表面的染色织物颜色评价时,会出现一定的颜色差异(ΔE*00=2.19);用于交织混色织物的颜色评价时,色彩差异更大(ΔE*00=3.25)。视觉评判分析表明,Digieye数码测色系统虽然存在一定的色域缺陷,但其更符合视觉观察结果。

改进的LM-BP算法预测活性染料染色K/S值

针对标准BP算法收敛速度慢,易出现局部极小值等缺陷,采用Levenberg-Marquardt(LM-BP)算法,提出了一种经改进的BP神经网络预测模型。运用该预测模型,建立了活性染料染色各工艺参数与织物表面K/S值之间的对应关系,同时将其与传统BP算法预测模型在网络收敛时间、预测准确度等方面进行比较。结果表明:传统BP算法经1 500步训练后达到的收敛精度,在LM-BP算法预测模型中只需大约7步训练;染色K/S值预测值和试验值之间的相关系数R也相应由0.995提高到0.999。对比认为,LM-BP算法预测模型在对活性染料染色K/S值的预测中更为优越,时间短,准确率高。

多元回归分析在织物染色计算机配色中的应用

为了预测织物染色的染料浓度,本文在分析实验数据的基础上,建立了染料浓度和三刺激值CMY之间的多元非线性模型,利用多元回归分析的最小二乘原理得到带有参数的非线性方程组,最后利用牛顿迭代法求解非线性方程组得到染料浓度。实验结果表明,多元回归分析计算得到的染料浓度与实际值很接近,对织物染色的计算机配色有一定的指导意义。

全光谱色差型权重因子计算机配色方法研究

本文在计算机配色全光谱匹配方法基础上，建立和使用了色差型权重因子。这种权重因子的表达式为ωｊ＝｛［ｘ（λｊ）］２＋［ｙ（λｊ）］２＋［ｚ（λｊ）］２｝［Ｅ（λｊ）］２。这种权重因子的确立，可以根据假设ｊ（ΔＸｊ）２＋（ΔＹｊ）２＋（ΔＺｊ）２＝ｍｉｎ而获得，也就是说，假设在可见光波段，每个波长处的光谱偏差引起的颜色三刺激值偏差的平方总和达到最小。结果表明，使用这种色差型权重因子进行计算机配色所产生的色差比已知的Ｓｃｈｍｉｄ和Ｓｔｒｏｃｋａｓｈ设计的ωｊ＝［（ｘ（λｊ）＋ｙ（λｊ）＋ｚ（λｊ））Ｅ（λｊ）］１／４和ωｊ＝［（ｘ（λｊ）＋ｙ（λｊ）＋ｚ（λｊ））Ｅ（λｊ）］１／４［Ｒｓｔｄ（λｊ）］－２／３两种权重因子配色方法所产生的色差小，有较好的应用。

电脑测配色及滴料系统的应用

阐述测配色及滴料系统的应用功能 ,对建立测配色数据库 ,应用智能化精明配色、开滴料的应用等举实例分析说明 ,总结了一些成功的应用经验。

色差判定的研究

本文介绍了最佳化色差公式的发展历史、色差判定复杂性的原因及计算机配色软件中的几种色差判定方法,通过实验得出使用图形化色差容差椭圆的方法,可得到与人眼判定最接近的结果,将其用于配色软件,可提高色差管理、交流的科学性.

计算机辅助配色系统相关技术的研究进展

计算机辅助配色系统的使用过程可分为前续、主体、后续3个阶段,即染料及工艺选择、用量计算和配方选择。通过以配色系统使用三阶段为主线,综述了配色相关技术的研究状况,指出了普遍存在对前、后续2个阶段的自动化研究忽略的问题,对主体阶段3种主要配色方法进行了分析。在此基础上提出了以非精确数值计算方法为基础的配色系统方案。

测色配色系统在彩色棉色变评价中的应用

天然彩色棉色稳定性较差,在不同处理条件下会发生不同程度的色变.评价色变可运用测配色系统,但由于天然彩色棉的颜色特点,其评价标准不同于通常标准.研究表明:当色光不变时,ΔE<3表示基本无色差;当色光变化时,须根据ΔL,Δa和Δb,综合分析颜色的变化.

神经网络在计算机配色中的应用

研究神经网络应用于染色的计算机配色算法,分析了现有BP网络配色模型的不足,提出了使用有弹回的BP算法,以改进现有配色模型的方法,并进行了仿真试验。从仿真结果看,改进后的配色模型无论在收敛速度还是配色精度方面都有了较大的提高。

计算机测色配色中的操作误差分析

本文针对datacolorSF600+型电脑测色配色仪的特点,分析了测色配色中操作对测定结果的影响,使技术人员在实际使用中减少误差,节约成本,提高工作效率.

纬全显色提花织物的混配色算法研究

为了使用Kubelka-Munk双常数理论求出纬全显色提花织物的单纱表面比例和预测织物颜色,首先使用最小二乘法计算单纱的吸收系数K和散射系数S。采用红、黄、蓝、绿4种颜色为纬纱,按两组分不同比例混合交织得到单经双纬的纬全显色提花织物试样并对其颜色进行测量,求出K值和S值后,得到纬全显色提花织物的配色算法、并对织物中各纬纱颜色的表面比例进行预测。在所测试的60个试样进行颜色匹配,色差约为1.5个CIELab单位,对于拟合得到的单纱比例误差也在2.1%左右,表明该模型可以较好地解释纬全显色提花织物颜色与各单纱颜色比例之间的关系。