用多隐层BP网实现的CRT色度变换

为了实现彩色信息的标准化显示 ,需要对 CRT的色度空间进行标定 ,也就是 CRT的 R、G、B空间与 CIE的标准色度空间的相互转换问题 .人工神经网络近年来被广泛应用于多种颜色空间的变换过程中 .在分析前人经验的基础上 ,提出了一种采用四隐层 BP网的 CRT的 R、G、B与 CIE的 X、Y、Z色度空间的变换方法 .实验结果表明 ,该方法的收敛性和训练时间均优于前人采用 2个或 3个隐层的方案 ,而且通过对 5 12个训练样本的实验 ,其平均转换精度接近 1.5个 CIEL U V色差单位 .

建立CRT色度变换的神经网络模型

针对7点LOG空间分布方案的343个训练样本,提出了采用2个隐层和少节点网络结构的方案,并用拟牛顿法训练神经网络模型。采用10点LOG空间分布方案中不同于训练样本的216个检验样本实时监控训练过程,以避免出现“过训练”现象,从而求得全局极小点邻域内的可行解,建立从CRT的R,G,B到CIE的X,Y,Z色度空间变换的BP模型。实例计算表明,该模型在收敛性、训练时间和泛化能力等方面均明显优于采用3～4个隐层方案的模型;模型的色差平均转换精度接近0.60个CIELUV色差单位,标准离差为0.57个色差单位,而4个隐层方案模型的色差平均精度和标准离差分别为1.53和0.77个CIELUV色差单位。

计算机控制的CRT色度预测

在开环预测ＣＲＴ色度公式的基础上，对开环预测数学模型不准确的缺点提出了反馈预测ＣＲＴ色度方案，并用ＰＲ１９８０Ｂ分光辐射计、ＩＥＥＥ－４８８接口板、ＰＣ－３８６微机和ＣＡＳＰＥＲＣＲＴ显示器构成了一个ＣＲＴ颜色自动测试和校正系统．采用反馈预测方法可以克服ＣＲＴ数学模型不准确的缺点，经过校正的ＣＲＴ显示器的色度是令人满意的．

阴极射线管色度转换的神经网络模型

利用神经网络技术实现了从阴极射线管（CRT）的R、G和B空间到CIE的标准色度空间的转换。用拟牛顿法训练网络模型，建立了从CRT的R、G和B到CIE的X、Y和Z色度空间变换的3-10-10-3神经网络模型．采用7点LOG空间分布方案的343个训练样本建模的试验表明，收敛性与训练时间及模型精度均优于前人采用3～4个隐层的方案，343个训练样本、216个检验样本和64组测试样本的平均转换精度分别为0．6个CIELUV色差单位，说明该模型的泛化能力很好。

人工神经网络在CRT色空间变换的应用

提出一种基于人工神经网络的色空间变换方法。该方法利用神经网络的非线性变换的特点 ,他既解决了 RGB色彩空间到 CIEL AB色彩空间的非线性变换 ,又可用于其他的色彩空间转换。并对网络的学习 ,变换的色差进行了分析。如果采用硬件的神经网络 ,有望实现实时变换。