色貌模型的人工神经网络方法的研究

您当前的位置：

首页 >

文章列表页 >

色貌模型的人工神经网络方法的研究

更新时间：2025-09-01

- 色貌模型的人工神经网络方法的研究
- Color appearance model based on artificial neural network
- 光学技术 2005年第1期页码：127-129
- 作者机构：
  
  1. 1:北京理工大学信息科学技术学院颜色科学与工程国家专业实验室
  2. 2:北京理工大学信息科学技术学院颜色科学与工程国家专业实验室
  3. 3:北京理工大学信息科学技术学院颜色科学与工程国家专业实验室
  4. 4:北京理工大学信息科学技术学院颜色科学与工程国家专业实验室,北京,100081
- 作者简介：
- 基金信息：
  
  国家科学自然基金支持项目(60278022)
- DOI：
  中图分类号：
- 纸质出版：2005
- 稿件说明：
移动端阅览
柴冰华, 赵达尊, 廖宁放, 等. 色貌模型的人工神经网络方法的研究[J]. 光学技术, 2005,(1):127-129.

Color appearance model based on artificial neural network[J]. 2005, (1): 127-129.
柴冰华, 赵达尊, 廖宁放, 等. 色貌模型的人工神经网络方法的研究[J]. 光学技术, 2005,(1):127-129. DOI：

Color appearance model based on artificial neural network[J]. 2005, (1): 127-129. DOI：

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测

包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数)

应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的

对于网络预测精度用特殊方法评估

而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。

浏览量

349

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

CIELAB与CIECAM02色空间均匀性比较研究

基于FC-DenseNets-BC神经网络的光学水印重建方法

基于自联想神经网络的可见光MIMO通信系统颜色检测

一种线阵CCD融合光栅尺的高精度尺寸测量新方法研究

基于TDLAS的痕量CO浓度检测系统及温压补偿