一种高效的胞元光谱纽介堡模型胞元搜索算法

采用训练样本排序框定初始胞元、差异优先搜索最优胞元和初始胞元再扩大方法,建立了CYNSN模型的胞元搜索算法。实验结果表明,CYNSN模型胞元搜索算法能使CYNSN反向模型在色度和光谱反射率上实现高精度复制,和已有的CYNSN模型相比,胞元搜索算法不仅保持了CYNSN模型的精度,而且效率提高了10倍。

基于光谱的打印机正向建模方法

构建正向光谱预测模型是实现光谱颜色复制的关键,实际中广泛应用的正向模型包括YNSN模型和CYNSN模型。YNSN模型在采样点较少的情况下可获得较佳的光谱预测效果,但是其预测精度有限。CYNSN模型将打印机原色进行了更细致的划分,运用均匀采样的方法来划分胞元区间,显著提高了正向模型预测精度,然而运用均匀采样在颜色空间进行胞元区间划分的方法指数级递增了胞元数量,虽然保证了光谱精度,但是会带来庞大的样本测量,增加建模成本。因此本研究提出一种以模型误差分布为标准进行非均匀采样的方法来构建CYNSN模型,通过设计合理的实验样本确定最佳采样区间并计算模型精度。实验结果表明,本研究所提出的胞元区间划分方法,其所需测量的样本具有针对性,减少了样本测量数量,降低建模成本的同时有效提高了正向模型精度。