（计算机应用技术专业论文）基于anfis和数学建模方法的织物染色计算机配色应用研究.pdf

r e s e a r c ho nc o m p u t e rc o l o rm a t c h i n gf o rt e x t i l ed y e i n gb a s e do n a n f i sa n dm a t h e m a t i c sm o d e l i n g a b s t r a c t d u et ot h es h o r t a g eo ft i m e - c o n s u m i n ga n dp o o rp r e c i s i o no ft h et r a d i t i o n a lc o l o rm a t c h i n g m e t h o d s ，b ys t u d y i n ga n f i st h e o r ya n dc o l o rt h e o r y , ip r o p o s et w om e t h o d so fc o m p u t e rc o l o r m a t c h i n g ，o n ei st h a tr e s e a r c h e st h ep e r f o r m a n c eo f a n f i su s e di nc o m p u t e rc o l o rm a t c h i n gf o rt e x t i l e d y e i n g ，e s t a b l i s h e st h ea n f i sm o d e lf o rc o l o rm a t c h i n g n eo t h e ri st h a ta n a l y z e st h ec h a r a c t e r i s t i c s o ft h ec o l o rm a t c h i n ga n dt h em i x e dc o l o rt h e o r ya n da b s t r a c t st h em a i nr e l a t e df a c t o r si nt h ep r o c e s s o ft h ec o l o rm a t c h i n g ，a n dt h e nt h em a i nf a c t o r sa r ep i c k e du pt os e tu pac o m p u t e rm o d e lo fc o l o r m a t c h i n gi nt e x t i l ed y e i n g ，a n de s t a b l i s h e st h em a t h e m a t i c sm o d e lb a s e do nt h em i x t u r e so ft h r e e c o l o r a n t s ，a n diu s es i m u l a t e da n n e a l i n ga l g o r i t h mt os o l v et h em o d e l f i r s t l y ，t h i ss t a r t sw i t ht h ea n a l y s i so ft h eg e n e r a lt h e o r yu n d e r l y i n gt h ea n f i s ，a n dt h e n e s t a b l i s h e st h em o d e lo ft e x t i l ec o l o rm a t c h i n gc o m b i n i n ga n f i s t h es i m u l a t i o np r o c e s si s d e m o n s t r a t e da n dc o m p a r i s o n so fs i m u l a t i o ne l t o ra n dn e t w o r kp e r f o r m a n c ea r ed i s c u s s e d w eh a v e a n a l y z e dt h ea d v a n t a g e s ，d i s a d v a n t a g e sa n di m p r o v i n gm e a s u r e si nt h ep a p e r s e c o n d l y , c o n s i d e r i n gt h es h o r t a g eo fp o o rp r e c i s i o na n ds l o wc o n v e r g e n c es p e 鼎：lo ft h ea n f i s ， d u et ot h es h o r t a g eo fe a s yt ot r a pi n t ol o c a lm i n i m a ，t h eg e n e t i ca l g o r i t h mi si n t r o d u c e di n t ot h e a n f i st oi m p r o v et h en e t w o r ka n dt h ea n f i sb a s e do ng a a l g o r i t h mi sp r o p o s e d t h e nt h ep s o a l g o r i t h mi su s e dt oo p t i m i z et h ep a r a m e t e r so fm e m b e r s h i pf u n c t i o no fa n f i sa n di nt h es m a l l s o l u t i o ns p a c et of m do u tt h eo p t i o n a ls o l u t i o n t h i sa l g o r i t h mc a no v e r c o m et h es h o r t a g eo fe a s yt o t r a pi n t ol o c a lo p t i m u mo ft h ea n f i sa n ds l o wc o n v e r g e n c es p e e do ft h eg e n e t i ca l g o r i t h m 、i ml a r g e s c a l eo ft h eg r o u p f i n a l l y , o nt h eb a s i so ft h ed a t ao fd y e i n gs a m p l e s ，w ef o u n dt h em a p p i n gb e t w e e nt h e c o n c e n t r a t i o na n dt h ec o l o rv a l u e so ft h ep i g m e n t s ，e s t a b l i s h e st h em a t h e m a t i c sm o d e lb a s e do nt h e m i x t u r e so ft h r e ec o l o r a n t s ，a n du s e ss i m u l a t e da n n e a l i n ga l g o r i t h mt os o l v et h em o d e l r e s u l t ss h o w ： t h em a t h e m a t i c sm o d e lb a s e do nt h em i x t u r e so ft h r e ec o l o r a n t sh a ds t a b l ep e r f o r m a n c e ，h i 【g hp r e c i s i o n a n do b t a i n e ds a t i s f a c t o r yr e s u l t s t h em e t h o d sp r o p o s e di nt h i sp a p e rp r o v i d et w on e ww a y sf o rc o m p u t e rc o l o rm a t c h i n gf o r t e x t i l ed y e i n ga n dp r e s e n tn e wr e f e r e n c ef o rf u r t h e ra p p l i c a t i o na n dt h e o r yf o rt e x t i l ec o l o rm a t c h i n g s i m u l t a n e o u s l y , w h i c hh a v ec e r t a i nv a l u e sf o rr e f e r e n c ei nt h e o r ys t u d ya n da p p l i c a t i o nr e s e a r c h k e yw o r d s ：t e x t i l ed y e i n g ；a n n s ；m a t h e m a t i c sm o d e l i n g ；p s oa l g o r i t h m ；g e n e t i c a l g o r i t h m 目录 第一章绪论1 1 1 研究背景与意义1 1 2 国内外研究动态2 1 2 1 计算机配色技术简介2 1 2 2 国内外研究动态3 1 3 主要内容与创新点4 第二章织物染色配色原理6 2 1 色度学基本原理6 2 1 1 颜色属性6 2 1 2 颜色空间6 2 1 3 颜色混合7 2 1 4 色差分析7 2 2 配色的理论基础_ k u b e l k a m u n k 理论9 2 3 计算机配色技术9 2 3 1 三刺激值配色方法9 2 3 2 全光谱配色方法1 0 2 3 3 神经网络配色方法1 0 2 4 本章小结1 1 第三章模糊神经网络及优化算法简介1 2 3 1 模糊系统概述1 2 3 1 1 模糊系统的产生和发展1 2 3 1 2 模糊理论的主要研究领域1 3 3 1 3 模糊系统与神经网络的结合1 3 3 2 基于自适应神经网络的模糊推理系统1 4 3 2 1a n f i s 产生背景1 4 3 2 2a n f i s 的结构1 4 3 2 2a n f i s 的学习算法1 6 3 3 遗传算法概述1 6 3 3 1 遗传算法与a n f i s 的结合原理1 8 3 4 粒子群算法概述1 9 3 4 1 粒子群算法与a n f i s 的结合原理2 0 3 5 遗传算法与粒子群算法的比较2 l 3 6 本章小结2 l 第四章基于优化算法改进的a n f i s 配色模型的设计与实现2 2 4 1 基于a n f i s 配色模型结构的确定2 2 4 2 基于a n f i s 配色模型的设计及参数的确定2 3 4 3 学习算法的选择确定2 3 4 3 1a n f i s 模型的参数优化2 4 4 3 2 基于g a 的a n f i s 模型的参数优化。2 4 4 3 3 基于p s o 的a n f i s 模型的参数优化。2 4 4 4 样本数据的获取及预处理2 5 4 5 仿真软件及a n f i s 模型的实现2 7 4 6 本章小结3 3 第五章基于a n f i s 配色模型的仿真实验及结果分析3 4 5 1 基于a n f i s 配色模型的仿真结果分析3 4 5 1 1 虹光深三元三拼色( c d - 3 b 、c d - r 、c d 丈青) 数据的仿真结果3 4 5 1 2 极品中三元三拼色( 3 b s 、3 r s 、f b n ) 的仿真结果3 5 5 2 基于遗传算法改进的a n f i s 配色模型的仿真结果分析3 6 5 2 1 虹光深三元三拼色( c d - 3 b 、c d r 、c d 丈青) 的仿真结果3 6 5 2 2 极品中三元三拼色( 3 b s 、3 r s 、f b n ) 的仿真结果3 7 5 3 基于p s o 算法改进的a n f i s 配色模型的仿真结果分析3 8 5 3 1 虹光深三元三拼色( c d 一3 b 、c d - r 、c d 丈青) 的仿真结果3 8 5 3 2 极品中三元三拼色( 3 b s 、3 r s 、f b n ) 的仿真结果3 9 5 4 本章小结4 0 第六章数学建模方法在织物染色配色中的应用研究4 l 6 1 配色数学模型建立的基础4 l 6 2 单色染料数学模型的建立4 1 6 2 1 单色染料浓度与单色小样三刺激值之间的关系4 1 6 3 三拼色染料数学模型的建立4 2 6 3 1 配方浓度与三拼色小样三刺激值之间的关系4 2 6 3 2 模型求解分析4 6 6 3 4 模拟退火算法4 6 6 3 5 具体求解步骤4 7 6 4 计算结果与分析4 8 6 5 本章小结4 9 第七章总结和展望5 0 参考文献5 2 攻读学位期间的研究成果5 5 致谢5 6 学位论文独创性声明5 7 学位论文知识产权权属声明5 7 1 jl-一 第一章绪论 1 1 研究背景与意义 第一章绪论 近年来，计算机测配色系统发展比较迅速，它结合了计算机技术与颜色测量技 术，迅速融入与着色有关的各行业，推动了颜色科学在工业界的实际应用。对于纺 织印染行业，计算机测配色系统可以迅速地给出合理的配方，因而降低了印染成本； 而且还能预测出不同光源下颜色的变化程度，避免了不同光源的变化而造成的产品 不合格问题；并能快速地计算出修正配方，。提高对色效率；能进行科学化的配方存 档管理。早期的计算机配色中最广泛应用的基础理论为k u b e l k a m u n k 理论， k u b e l k a - m u n k 理论作了以下假设： 1 样品界面上的折射率必须没有变化； 2 光线在介质内须被足够的散射，以致成完全扩散的状态； 3 光线在介质内的运动方向只考虑两个，一个朝上，一个朝下，并垂直于界面； 但在实际配色当中织物的实际情况并不能完全遵守这些假设，所以在很多实验 中发现k s 值与浓度c 的关系并不满足直线关系，这样配色的精度就大大地受到了 影响。近几年来，神经网络在系统建模、非线性预测、模式识别等领域中得到了广 泛的应用，所以很多学者尝试把它用于计算机配色技术中。使用神经网络进行计算 机配色，首先它不需要我们自己给出数学模型，只需要结合实际生产情况，为神经 网络选择好输入输出变量，然后使用实际生产当中保存下来的配方数据进行网络训 练，系统会自动建立最适合的模型。其次，由于神经网络具有再学习能力，随着不 断地训练，系统会不断地调整自己，从而进行完善。然而神经网络配色方法也存在 缺点晗1 ：一是因为神经网络模型的黑箱性，我们看不到真正的数学模型，所以理解 和解释起来比较困难。二是神经网络的不稳定性，我们得到的配色模型具有不稳定 性。 影响织物染色配色的因素很多，比如前期处理工艺中的各种助剂以及温度等因 素。尤其对那些处在l 临界色样带上的颜色，它们既可能属于中色也可能属于深色， 因为浅中深色系的划分标准本身就比较模糊，所以把这些小样放到一起进行仿真， 如果遇到临界色域上的样本数据，其仿真结果很难达到理想的效果；另外人工神经 网络类似于一个“黑箱 ，缺少透明度，不能够表达模糊语言，而模糊推理能够很好 地表达人脑的推理功能，综合以上各种因素，本人尝试采用两种方法来解决织物染 色配色问题，一种是将神经网络和模糊理论有机结合，试图获得精度更高的仿真效 果；另一种是采用数学建模的方法建立单色及三拼色数学配色模型。 青岛人学硕十学位论文 模糊神经网络是把模糊控制和人工神经网络进行了有机结合，具有良好的非线 性逼近能力。但用梯度下降法进行优化效率较低，而且由此所获得的结果不一定是 最优解，易陷人局部最小，针对以上存在的问题，本文试图引进遗传算法和粒子群 算法改进a n f i s 系统来实现织物染色配色模型来减小织物染色配色中的误差。对于 三拼色数学配色模型的求解归结到非线性方程组的求解问题。本文试图用模拟退火 算法来求解三拼色数学配色模型的非线性方程组。 1 2 国内外研究动态 1 2 1 计算机配色技术简介 计算机配色技术是通过光学仪器获取染色小样的光学信息，然后采用计算机进 行有关的配色计算，最后得到与目标颜色参数最匹配的配色样本的配色配方，该方 法的配色精度和效率都比较高。一般来说，计算机配色技术涉及到三类配色口1 ： 1 色彩空间的颜色匹配 计算机的屏幕显示颜色采用的是r g b 的色彩空间，而打印机的打印颜色使用的 是c m y k 的色彩空间，这就存在两种颜色空间的颜色匹配问题，涉及到色彩空间的转 换技术。所以在色彩应用中的一大难题就是要保持色彩在不同系统、不同设备中色 彩再现的一致性。解决这个难题涉及到颜色属性的生成、识别、分解和还原。l a i h a n e n 在1 9 9 2 年提出了色彩再生成的理论h 1 。h o n g 等人在1 9 9 3 年提出了色彩调整技术在 四色打印中的应用璐1 。g e n t l e 在1 9 9 8 年研究了彩色图像的数字显示和打印哺1 。而在 同年陈彬、钱国良、舒文豪等人提出了基于机器学习的色彩匹配技术口1 。 2 彩色印刷的颜色匹配 彩色印刷通过颜色的分解和合成来完成的。首先把彩色图像分解成三原色，然 后把它们做成分色数据或分色片，最后在输出时经过多种颜色加网后进行套印合成， 重新再现原彩色图像。因此在色彩复制分解过程中实现色彩的正确再现的关键是分 色的准确性与分色图像之间的定位准确性呻1 。宋恩民、冯玉才等人在1 9 9 6 年提出了 聚色算法在彩色地图中的应用研究阳1 。 3 染色的色彩匹配 自本世纪3 0 年代计算机染色配色开始发展，当时，c i e 创建了三刺激值表色体 系，h a r d y 制成了自动记录式反射率的分光光度计，k u b e l k a - m u n k 提出了光线在不 透明介质中被吸收和散射的理论即著名的k u b e l k a - m u n k 理论。它的主要原理是利用 相关软件测出染色小样的r g b c m y 值，然后通过计算机预测出样本小样对应染料 的浓度值，给出染色小样的染料配方。为了提高计算机染色配色的精度，许多专家 和学者进行了大量的研究。海门丁哲和戴维逊在1 9 5 8 年开发了第一台模拟式专用的 2 第一章绪论 配色计算机c o m i c 。s c h e t t i n ir 在2 0 0 1 年用神经网络的方法研究了近似c i e c a m 9 7 的颜色空间n 3 1 ； s g o r j i k a n d i 和m a m a n it e h r a n 在2 0 0 6 年提出了用遗传算法进行 颜色配方预测的方法“引；y o s h i n o b un a y a t a n i 和h i d e k is a k a i 在2 0 0 7 年提出了一种改 进的颜色匹配模型i n c a m n 副；l o u i sw a d a m s ，j r 在2 0 0 8 年提出了用对称性来理 解颜色的属性。 1 2 2 国内外研究动态 国外研究动态： 1 9 3 1 年色度学的理论诞生。2 0 世纪4 0 年代，h a r d y 发明了测量物体光谱反射 率的分光光度计，这为以后的颜色测量技术奠定了硬件基础，而k u b e l k a - m u n k 理论 则为计算机配色确定了理论基础。然而直到5 0 年代人们才开始利用光谱光度计和 k u b e l k a m u n k 理论在初期的计算机上进行染色配方的模拟计算。6 0 年代一些大公 司在大型计算机上进行了大量的计算机测配色方面的实验，建立了一些基于计算机 配色方面的数学模型，并摸索出了一些算法。7 0 年代随着小型机的出现促进了计算 机测配色系统的发展。8 0 年代之后越来越多的研究进一步促进了计算机测配色技术 的发展。b e r n s 、w a l o w i t 和m c c a r t h y 在1 9 8 8 年提出了基于双常数的k u b e l k a - m u n k 理论的分光光谱颜色匹配法n 1 ；9 0 年代以后计算机测配色技术得到了广泛应用。2 0 0 0 年s h i r o 、s h i g e k i 和y o s h i f u m ia r a i 研究了不依赖设备的数字彩色图像的神经网络n 2 l ； 2 0 0 1 年s c h e t t i n ir 采用神经网络的方法研究了近似c i e c a m 9 7 颜色空间n 朝；2 0 0 6 年m a m a n it e h r a n 和s g o r j i k a n d i 提出了用遗传算法进行颜色配方预测的方法n 引； 2 0 0 7 年y o s h i n o b un a y a t a n i 和h i d e k is a k a i 提出了一种改进的颜色匹配模型 i n c a m 口引；2 0 0 8 年l o u i sw a d a m s ，j r 提出用对称性来描述颜色的属性n 引。目前计算 机配色技术正由染料厂、印染厂向涂料厂、印刷厂、塑料厂等扩展。 国内研究动态： 我国在计算机测配色方面的研究起步比较晚。从8 0 年代开始天津纺织研究所， 沈阳化工研究院以及天津工学院等单位才开始这方面的研究。1 9 8 4 年沈阳化工研究 院开始研究计算机测配色系统，推出了国内最早的中文配色软件：s r i c i ( 思维士) 配色软件，这个软件主要实现了以下功能：颜色测量以及质量控制，单一织物的配 色和修正，混纺织物的配色和修正及颜色配方库管理等。此外在原纺织部的重视下， 电子计算机测配色系统被立题为“七五”攻关项目之一，该项目组在1 9 9 1 年3 月份完 成了小批量电子测配色系统的开发，并于同年5 月份通过了国家鉴定。而江苏省纺 织研究所设计了一套配色软件实现了全套系统的国产化，该软件主要适用于纺织品 的国产染料的配色，并且有底物转移及批量校正等功能。 3 j 青岛人学硕十学位论文 9 0 年代，我国很多学者研究了三刺激值配色方法，并取得了一定的理论成就。 苏州大学的徐汀荣在2 0 0 0 年提出了计算机配色的逼近算法，首先通过输入大量染料 配方的经验数据建立配方数据库，然后根据待匹配的目标色，在配方数据库中查找 与目标色色差最小的用相同原色配色的配方，最终给出目标色的配色方案阱1 。近几 年来，随着神经网络技术的同趋成熟，人们开始尝试把神经网络技术引入到计算机 配色当中。2 0 0 0 年郭茂祖、王亚东和苏晓红等人提出了基于b p 神经网络的色彩匹 配方法乜鲫。谢春萍、王汇锋等人在2 0 0 6 年研究了在毛纺测配色系统中应用基于人工 神经网络的颜色识别方法幽1 。廖宁放、杨涛、吴文敏等人在2 0 0 6 年建立了基于人工 神经网络的水性涂料电脑测配色系统乜5 1 。2 0 0 7 年王莹等提出了基于o w o h w o 算 法的m l p 网络在织物染色配色中的应用啪1 。2 0 0 8 年聂晴晴等研究了贝叶斯改进b p 神经网络在织物染色配色中应用1 。2 0 1 0 年1 月温泉、周华等研究了毛混色纺纱智 能配色软打样系统乜引。2 0 1 0 年2 月陈勇平、王金林、李春生等人设计了应用于木材 单板染色方面的计算机测配色系统。 1 3 主要内容与创新点 本文主要是将神经网络与模糊推理相结合应用到织物染色配色中去，建立基于 自适应神经网络的模糊推理系统的计算机配色模型，通过引入遗传算法和粒子群算 法来优化基于自适应神经网络的模糊推理系统的前件参数，研究不同算法改进的基 于自适应神经网络的模糊推理系统模型在织物染色配色中的性能，利用染色数据进 行网络训练和测试，对仿真结果进行分析比较，调整网络训练方法，建立一个具有 高精度的计算机染色配色模型。 1 主要的研究内容： ( 1 ) 了解问题的实际背景，收集各种必要的信息。获取织物标样，对标样进行分 类管理，建立织物样本数据库。 ( 2 ) 针对当前神经网络配色方法的缺点，将a n f i s 引入织物染色配色中，建立基 于a n f i s 的织物染色配色模型，针对a n f i s 自带优化算法一梯度下降法优化效率低， 易陷入局部最小点的缺点，分别用遗传算法和粒子群算法来优化a n f i s 的前件参数， 提高a n f i s 的训练速度和精度。 ( 3 ) 分别对提出的基于g a 算法和p s o 算法改进的a n f i s 系统的织物染色配色 模型进行建模、分析和验证。 ( 4 ) 从织物染色的配色特点和颜色的混合性理论出发，对相关问题进行分析与抽 象，对染色数据进行分析，找出配方浓度与色料属性值之间的变化规律。 ( 5 ) 采用数学建模的方法，根据配方浓度与色料属性值c m y 之间的变化规律， 建立单色数学配色模型与三拼色数学配色模型，并通过模拟退火算法对数学配色模 4 第一章绪论 型进行求解，采用测试数据对模型进行验证，并对计算结果进行分析。 2 特点和主要创新点： ( 1 ) 比较全面和系统地研究了不同算法优化a n f i s 系统的织物配色模型的性能， 包括配方效率、精度和误差分析等。 ( 2 ) 引入遗传算法和粒子群算法来优化a n f i s 的前件参数，克服了梯度下降法 优化效率低，易陷入局部最小点的缺点。 ( 3 ) 针对提出的算法建立网络模型，通过实验后数据的分析对比，该模型将比传 统的配色方法在配色精度方面有很大的提高。 ( 4 ) 通过研究织物配色原理，分析染色数据，采用假设检验的方法，建立三拼色 数学配色模型，并通过模拟退火算法对模型进行了求解验证。计算结果证明：与神 经网络方法相比，该方法精确度较高，不存在泛化能力的问题，取得了令人满意的 结果。 5 青岛人学硕十学位论文 第二章织物染色配色原理 2 1 色度学基本原理 人眼对光波刺激的反映是颜色感觉，我们的眼睛对不同光刺激的反映不同，所 以这种反映是由于人眼的颜色视觉，物体的光学性质以及照射在物体上的光所共同 决定的。国际照明委员会( c i e ) 在2 0 世纪3 0 年代建立了一套颜色表示、颜色计算和 颜色测量的体系，称为c i e 标准色度学系统啪1 。 2 1 1 颜色属性 颜色包括彩色和非彩色两个系列，非彩色系列包括白色、黑色和介于两者之间 的灰色，剩下的其它所有的颜色都归于彩色系列。一般用明度( 亮度或纯度) 、色调 ( 主波长或补色主波长) 和色纯度( 饱和度) 三个参数来表示颜色。明度表示颜色 的明亮程度，明度值越大颜色越亮；色调用来区分颜色的类别，当颜色的色调不同 的时候它们表示的颜色也不同。彩色物体的色调是由它在光照条件下反射光的光谱 成分决定的。颜色的色纯度表示颜色的纯洁程度。对于色调相同的彩色光而言，如 果它的色纯度越高，说明它的颜色越纯或者说越深；反之颜色纯度就越低或者说越 淡。色度是色调和色纯度的全称，它不仅可以表示颜色的深浅程度，还可以区分彩 色光的颜色类别。 2 1 2 颜色空间 按照基本结构可以把颜色空间分成两类：基色颜色空间和色亮分离的颜色空间。 r g b 、c m y 、c m y k 、x y z 等颜色空间属于基色颜色空间。色亮分离的颜色空间包括l a b 、 y c c y u v 颜色空间以及一批“色相类颜色空间 。定义一切颜色空间的基准是c i e x y z 颜色空间，它既属于基色颜色空间，同时又属于色亮分离的颜色空间，是贯穿 两者的桥梁。 r g b 颜色空间 按照不同的比例混合红( r e d ) 、绿( g r e e n ) 、蓝( b l u e ) 三色光可以表示绝大 部分的可见光谱心引。把r 、g 和b 三色添加在一起可以产生白色，所以r g b 颜色空 间称为加成色空间。 c m y k 颜色空间 c m y k 颜色空间是与设备有关的减色法空间，经常在彩色印刷、打印系统中用 到。c 代表青基色，m 代表品红基色，y 代表黄基色，一般在低档的打印机上使用 6 第二二章织物染色配色原理 c m y 三原色。k 代表黑色，从理论上来说是不需要黑色的，但是混合等量的青，品 红，黄时并不能产生真正的黑色，往往只产生一个暗褐色的区域。为了达到较好的 打印效果，通常在暗褐色的区域上加印黑墨水。 x y z 颜色空间 x y z 颜色空间是由国际照明委员会( c i e ) 定义的颜色空间，它是国际性的颜色空 间标准，又称为c i e 颜色空间，一般作为颜色的基本度量方法。这类颜色空间的颜 色表示是与设备无关的，多用在科学计算中。同时这类颜色空间也可以作为过渡性 的颜色空间，来过渡两个不能直接相互转换的颜色空问，例如，c i e l 9 3 1x y z 颜色 空间就可作为过渡性的转换空间。 2 1 3 颜色混合 颜色混合过程包括加法混合和减法混合盼。色彩相加混合是采用红( r e d ) 、绿 ( g r e e n ) 、蓝( b l u e ) 这三个三原色进行色彩相加，可以得到很多混合色。一般彩 色电视所显示的彩色图像是色彩的加法混合。色彩减法混合采用的是三个减法“原 色”，它们分别是加法三原色的补色，即青色( c ) 、品红( m ) 和黄色( y ) 。在彩色纺织、 彩色印刷和彩色摄影中主要是采用色彩的减法混合。“减红”原色称为青色，是用 来控制红色的，当它印在白纸上经白光照射时呈现蓝绿色；“减蓝”原色是用来控 制蓝色的，当它印在白纸上经白光照射时呈现黄色；“减绿原色称为品红色，是 用来控制绿色的，当它印在自纸上经白光照射时是红紫色。三原色中的每个色彩都 是独立存在的，而且不能由其它两个色混合而得是构成三原色的条件。 2 1 4 色差分析 色差表示两个颜色在颜色知觉上的差异，它包括彩度差、明度差和色调差三个 方面。彩度差表示颜色鲜艳度的差异，明度差说明颜色深浅的差异，而色调差则表 示颜色色调的差异( 如偏绿或偏蓝等) 。为了进一步提高工业色差评价的标准，国 际照明委员会专门成立了工业色差评价的色相和明度相关修正技术委员会t c l - 4 7 ( h u ea n dl i g h t n e s sd e p e n d e n tc o r r e c t i o nt oi n d u s t r i a lc o l o rd i f f e r e n c ee v a l u a t i o n ) ， 通过对现有的色差公式和视觉评价数据进行分析与测试，该技术委员会在2 0 0 0 年提 出了一个新的色彩评价公式，并于2 0 0 1 年得到了国际照明委员会的推荐，称为 c i e 2 0 0 0 色差公式，简称c i e d e 2 0 0 0 。c i e d e 2 0 0 0 是到目前为止最新的色差公式，与 c i e 9 4 相比该公式要复杂的多，同时也大大提高了精度d 引。 c i e d e 2 0 0 0 色差公式主要在c i e 9 4 公式的基础上做了如下几项修正： 1 重新标定了中性区域的a + 轴，来改善中性色的预测性能； 7 lilllll 青岛人学硕+ 学位论文 2 用近似v 形函数来替换c i e 9 4 公式中的明度权重函数： 3 在色相权重函数中加入了色相角，来体现色相容限随颜色的色相的变化而变 化； 4 在公式中包含了与b f d 和l e e d s 色差公式中类似的椭圆选择选项，来反映在 蓝色区域的色差容限椭圆不指向中心点的现象。 c i e d e 2 0 0 0 色差公式如下： 色。 e = 其计算过程如下： 首先计算r 、a 、b 。 然后= r ； 口t _ ( 1 + g ) 口； 6 = 矿；c = 厕； 矗= t a n 一1 ( 6 口) 这里g = 0 5 ( 乏) 7 f 万1 7 + 2 s ， ，匕是一对样品色c 二的算术平均。 2 一( 1 ) 址l ”彬= c 6 l - 胡q 厄可s ；n ( 等) 这里，a h _ 吃- 吃，其中下标“s 表示颜色对中的标准色，“b 表示样品 品= 1 + o 0 1 5 c t t = i 一0 1 7 c 。s ( 矛一30 - ) + 0 2 4 0 a s ( 2 苻) + 0 3 2 c 。s ( 3 百+ 6 。) 一0 2 0 c 。s ( 4 苻- 6 3 。) o 0 15 ( 百一5 0 ) 2 驴1 + 雨w , 2 & = l + o 0 4 5 百式中的矛、万、矛是一对色样三、c 、 的算术平均值。 一心删悯。出警) 2 一2 最后，由2 一( 1 ) 计算色差值。 8 j11 11 第二章织物染色配色原理 以上c i e d e 2 0 0 0 色差公式在数学上均采用椭球方程或其变形，并用椭球的边界 来表示颜色的宽容量范围，同时为了提高色差计算结果与目视评判的一致性，引入 了不同的参数来调节三个色差a l 、a c 、a h 在总色差衄中的权重。 2 2 配色的理论基础k u b eik a - m u n k 理论 1 9 3 1 年p k u b e l k a 和f m u n k 提出了k u b e l k a - m u n k 理论。它是把染料涂布于某 基质上，然后其表面深度是由染料浓度( 克数l o 克水) 之间的关系得到的b 引。它是 计算机配色中应用最广泛的颜色理论，该理论是基于以下几个假设条件： ( 1 ) 这个理论只适用于不透明介质和半透明介质。 ( 2 ) 光线在介质内须被足够的散射，以致成完全扩散的状态； ( 3 ) 光线在介质内的运动方向只考虑两个，一个朝上，一个朝下，并垂直于界面； k u b e l k a m u n k 理论可以表示为： k s = ( 1 一力2l ( 2 p ) 2 一( 2 ) 它的倒数形式为： p = l + k s 一( ( 1 + k s ) 2 1 ) 2 2 一( 3 ) 2 一( 2 ) 、2 一( 3 ) 式中：k 一表示物体的吸收系数； s 一一一表示物体的散射系数； p 一表示物体为无限厚时的反射率因子； 在传统织物染色的配色中经常使用以上这两个式子。 2 3 计算机配色技术 目前计算机染色配色方法主要有三刺激值配色方法、全光谱配色方法、神经网 络配色方法及数值分析方法。 2 3 1 三刺激值配色方法 三刺激值配色法的原理是只要三刺激值相等的两种颜色给人的颜色感觉相同， 就可以认为是颜色达到了匹配。它是通过混合几种染料得到的颜色的三刺激值与标 准色的三刺激值进行匹配，使得它们之间的差别达到最小。a l i e n 提出的三刺激值配 色方法为： c = ( t e d ) ( - o t e d ( f 8 一f ( t ) ) 2 一( 4 ) 其中，c ( 3 1 ) 是指三种染料的浓度；t ( 3 1 6 ) 是指颜色匹配函数矩阵；e ( 1 6 1 6 ) 指 9 -a、-、 青岛人学硕十学位论文 c i e 标准照明体能量分布矩阵；d ( 1 6 x 1 6 ) 表示标准色各个波长的【d r d f ( r ) 】值置于 对角线上，其余元素为零的方阵；( 1 6 x 3 ) 表示三种染料的单位浓度的( k s ) 值的 矩阵；f 3 ( 1 6 x 1 ) 指标准色的k u b e l k a m u n k 函数值列矢量；f ( ) ( 1 6 x 1 ) 指基底的 k u b e l k a m u n k 函数值列矢量。通过上面的公式初步计算出近似值，还要进行迭代修 正计算，直到得到的颜色配方与标准色的色差小于终止条件时停止迭代。 2 3 2 全光谱配色方法 与三刺激值配色方法相似，全光谱配色匹配的是配色后的颜色光谱曲线和标准 色的光谱曲线，使它们的误差达到最小。全光谱匹配方法为1 ： c = ( p t p ) jp t w d ( f ”f ) 2 ( 5 ) 其中表示权重因子的矩阵，p = w d t b 。 全光谱匹配可以解决多种染料配方，因为它是采用最小二乘法进行光谱曲线的 拟合。 2 3 3 神经网络配色方法 近几年来，神经网络在系统建模、非线性预测、模式识别等领域中得到了广泛 的应用，所以很多学者尝试把它用于计算机配色技术中。使用神经网络进行计算机 配色，首先它不需要我们自己给出数学模型，只需要结合实际生产情况，为神经网 络选择好输入输出变量，使用实际生产当中保存下来的配方数据进行网络训练，系 统会自动建立最适合的模型。其次，由于神经网络有再学习能力，随着不断地训练， 系统会不断地调整自己，从而进行完善。然而神经网络配色方法也存在缺点：一是 因为神经网络模型的黑箱性，我们看不到真正的数学模型，所以理解和解释起来比 较困难。二是神经网络的不稳定性，我们得到的配色模型具有不稳定性。 影响织物染色配色的因素很多，比如前期处理工艺中的各种助剂以及温度等因 素。尤其对那些处在临界色样带上的颜色，它们既可能属于中色也可能属于深色， 因为浅中深色系的划分标准本身就比较模糊，所以把这些小样放到一起进行仿真， 如果遇到临界色域上的样本数据，其仿真结果很难达到理想的效果；另外人工神经 网络类似于一个“黑箱 ，缺少透明度，不能够表达模糊语言，而模糊推理能够很好 地表达人脑的推理功能，综合以上各种因素，本人尝试将神经网络和模糊理论有机 1 0 。一 第二章织物染色配色原理 结合，试图获得精度更高的仿真效果。 神经网络是进行非线性求解建模的有效手段，而织物染色配色实际上是一个复 杂的非线性求解问题，所以很多学者尝试把它用于计算机配色技术中。1 9 9 9 年r s c h e t t i m 和e b o l d f i n 首次提出了在颜色的匹配问题上应用神经网络的研究口 。 使用神经网络进行计算机配色，首先它不需要我们自己给出数学模型，只需要 结合实际生产情况为神经网络选择好输入输出变量，使用实际生产当中保存下来的 配方数据进行网络训练，系统会自动建立最适合的模型。其次，由于神经网络有再 学习能力，随着不断地训练，系统会不断地调整自己，从而进行完善侧。 然而神经网络配色方法也存在不足：一是因为神经网络模型的黑箱性，我们看 不到真正的数学模型，所以理解和解释起来比较困难。二是神经网络的不稳定性， 我们得到的配色模型具有不稳定性。如何提高神经网络的泛化能力也是需要进一步 解决的问题。 2 4 本章小结 本章讨论了色度学的基本原理以及配色的基本理论基础心l b e l k a m u n k 理 论，并介绍了当前的主要的配色技术，针对本课题的特点，我们采用减色混合方法 进行配色，利用基于自适应神经网络的模糊推理系统进行计算机配色模型的建立。 青岛人学硕十学位论文 第三章模糊神经网络及优化算法简介 3 1 模糊系统概述 模糊系统的根本是模糊逻辑，模糊逻辑比传统的二值逻辑更靠近人类的思维方 式和自然语言。模糊逻辑为模糊系统提供了一种有效的方法，用这种方法可以来提 取现实世界中的相似因素和不确定性因素，模糊系统有一个语言规则集，它是模糊 系统的核心，在这个规则集罩各规则间使用模糊蕴涵和模糊推理的合成规则来关联。 模糊系统实际上采用了这样的一种方法：基于专家知识的语言规则被转换成了自动 控制行为h 。经过许多实验的验证，用传统方法取得的结果远远不如用模糊系统取 得的结果，而且在已知的信息源不能精确地、定量的描述的时候，或者在不能用以 往的定理方法分析的时候，模糊系统方法更加有效。所以模糊系统被认为是正在不 断地朝着传统的精确的数学分析方法和人类的决策最终交融的道路上发展。 3 1 1 模糊系统的产生和发展 1 9 6 5 年l a z a d e h 教授发表了关于模糊集理论的开创性论文。他在分析为类思 维判断过程的建模中提出了把模糊集作为定量化的方法口引。但是在最开始的十年里， 模糊理论并没有受到世人的关注。