【技术实现步骤摘要】
一种基于深度神经网络的颜色空间转换方法
[0001]本专利技术属于图像处理
,涉及一种基于深度神经网络的颜色空间转换方法。
技术介绍
[0002]数码印花机的色彩管理可以分为校准设备、特征化和颜色空间转换三个步骤,颜色空间转换是数码印花色彩管理的重要部分。CMYK颜色空间是应用在数码印花中的色彩标准,描述的是数码印花产品中青(C)、洋红(M)、黄(Y)、黑(K)四种颜色的墨量之间的关系。L*a*b*颜色空间与设备无关,可以作为不同设备之间的连接色空间,广泛应用于数码印花机的色彩评价。L*a*b*中L取值代表明亮度;a值正数范围为红色色域,负数范围为绿色色域;b值正数范围为黄色色域,负数范围为蓝色色域。不同设备对图像具有不同的颜色空间描述方法,其色域具有较大差别,导致数码印花产品与样稿图像之间存在色差。建立转换精度较高的L*a*b*与CMYK颜色空间的转换关系,能很大程度提升数码印花产品质量。
[0003]神经网络技术在色彩管理和颜色空间转换应用中受到极大关注。传统的颜色空间转换方法使用浅层神经网络,如BPNN,GRNN和ELM等,它们受其本身结构的影响,在复杂问题下很容易获得局部最优解,其精度难以进一步提高。深度置信网络(Deep Belief Network,DBN)是一种无监督的学习方法,它可以从大量数据中提取特征,并且具有广泛的适应性和强大的映射能力,适合构建颜色空间转换模型。DBN算法的参数往往需要人工凭借经验和多次调整来确定,极大影响了网络实用性。粒子群优化算法(Particle Swarm ...
【技术保护点】
【技术特征摘要】
1.一种基于深度神经网络的颜色空间转换方法,其特征在于,具体按照以下步骤实施:步骤1、制作训练样本和测试样本,训练样本用来建立神经网络模型,测试样本用来检验训练完成的模型的转换精度;建立深度置信网络模型,初始化DBN中输入层、隐含层、输出层各层之间的参数,L*a*b*颜色空间作为神经网络的输入值,CMYK颜色空间作为神经网络的输出值;步骤2、使用粒子群算法优化深度置信网络的神经元连接权值等参数;步骤3、将训练样本输入到步骤3进行训练,随后使用BP神经网络进行反向微调,得到稳定的PSO-DBN模型,得到L*a*b*到CMYK颜色空间转换模型;步骤4、将测试样本输入转换模型进行颜色转换并计算转换误差,检验模型精度,完成颜色空间转换。2.根据权利要求1所述的一种基于深度神经网络的颜色空间转换方法,其特征在于,所述步骤1中建立深度置信网络模型,初始化DBN中输入层、隐含层、输出层各层之间的参数,L*a*b*颜色空间作为神经网络的输入值,CMYK颜色空间作为神经网络的输出值具体按照以下实施:建立深度置信网络模型,受限玻尔兹曼机是DBN的主要组成部分,DBN的训练过程可以分为两个阶段,即预训练和反向微调;首先,采用无监督贪婪学习算法逐层训练网络中的每个RBM,并逐层传递数据特征信息,以实现网络参数的初始化;随后,使用BP神经网络算法进行微调,通过从顶部到底部的预训练获得的初始权重;该过程进行监督训练,使模型得到最优解,从而确定整个DBN网络的结构。3.根据权利要求2所述的一种基于深度神经网络的颜色空间转换方法,,其特征在于,所述步骤1中RBM的无监督训练具体按照以下实施:在RBM中,v1,v2,
…
表示可见层,h1,h2,
…
表示隐藏层,w
ij
表示每个神经元连接的权重;引入能量函数来定义系统的总能量,并计算联合分布概率;在上式中θ={a,b,w},w
ij
是可见层和隐含层之间的连接权重,V是可见层中的单元数,H是隐含中的单元数,a
i
是可见层的偏移量,a
j
是隐藏层的偏移量;根据定义的系统能量,可见和隐藏单元的联合分布定义如下。Z=∑
v
′
∑
h
′
e-E(v
′
,h
′
|θ)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)在上式中,Z是归一化因子,保证联合概率在[0,1]的范围内变化。因此,隐藏层的边缘分布如下:由于RBM每一层中的神经元都是独立的,因此可以根据以下关系式获得每个单元的激活概率;p(v
i
=I|h)=f(a
i
+∑
j
h
j
w
ij
)
ꢀꢀꢀꢀꢀꢀꢀ
(5)p(h
i
=I|v)=f(b
j
+∑
i
v
...
【专利技术属性】
技术研发人员:苏泽斌,杨金锴,李鹏飞,景军锋,张缓缓,
申请(专利权)人:西安工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。