基于Sigmoid权函数的分段色彩匹配模型

为兼顾对高低浓度色彩再现精度的要求,解决单一模型进行色彩匹配时出现的“低浓度细节丢失、高浓度色彩饱和度低”的问题,提出一种基于单色样本学习的分段式色彩匹配方法.首先,根据模拟退火技术求解出最佳分段阈值,将样本数据分成高、低浓度两类,分别对其样本数据进行学习,建立高、低浓度色彩匹配模型,然后,基于sigmoid权函数对两个模型学习得到的曲线进行合成.实验结果表明:与单一色彩匹配模型相比,这种分段式色彩匹配模型可以在不增加测试样本数量的前提下,有效提高色彩匹配尤其是在高、低浓度端的匹配精度;用sigmoid函数作为权函数的曲线合成方法,与一般常用的曲线合成方法相比,不仅可以保证高、低浓度色彩的匹配精度,而且还能有效处理分段式建模中两段曲线的光滑衔接问题,避免曲线衔接点处“颜色反转”现象的发生.