3·基于粒子群算法的RBF網絡的配色模型建立
在織物染色配色過程中,不同的染料選擇吸收的光譜不同,導致織物形成各種顏色。顏色的配置可有3種基本染料通過不同的比例混合求得。顏色的匹配將涉及到顏色空間的概念,不同行業(yè)的配色宜采用不同的顏色空間。目前有多種表示顏色的空間體系,每種表色體系的數(shù)值可通過公式根據(jù)反射光譜的三刺激值轉換而來[4]。
CIELab是一個均勻顏色空間,其中色彩由3個數(shù)值L,a和b代表。第一個數(shù)值L,定義了色彩的亮暗程度,而a和b則是關于顏色的信息。Lab顏色與設備無關,無論使用何種設備(如顯示器、打印機、掃描儀)創(chuàng)建或輸出圖像,這種模型都能生成一致的顏色。
研究表明,織物所反射出來光的顏色L,a,b值與染料的濃度C有關系,即Lab值=f(C)[5]。基于此推理,構造基于粒子群優(yōu)化算法的徑向基神經網絡織物染色配色模型,使用RBF神經網絡來模仿f函數(shù),并將此函數(shù)寫入粒子群優(yōu)化算法的適應度函數(shù)中,徑向基神經網絡的輸入樣本為染料濃度,輸出樣本為顏色的L,a,b值。基于粒子群優(yōu)化算法的RBF神經網絡解決染色配色問題的粒子群算法模型如圖1所示, RBF神經網絡模型如圖2所示。
4·試驗過程及數(shù)據(jù)分析
以織物三拼色配色為例,使用中色系染料極品中三元:活性紅3BS,活性黃3RS和活性藍FBN來配色。首先掃描制作好的小樣到計算機中,使用軟件來獲取小樣的Lab值。這些Lab值就為RBF神經網絡的輸入數(shù)據(jù),制作這些小樣所需的染料濃度就為RBF的輸出,如表1所示。
根據(jù)表1的數(shù)據(jù)采用粒子群優(yōu)化算法[6]優(yōu)化神經網絡的權值,粒子數(shù)為15;粒子的長度為3,學習因子C1=C2=2。在matlab環(huán)境下編程實現(xiàn)粒子群優(yōu)化算法后將輸出的數(shù)據(jù)解碼后應用于RBF網絡。達到收斂條件后,對網絡進行測試,測試結果如表2所示。
相關信息 
推薦企業(yè) 推薦企業(yè)
推薦企業(yè)
您所在的位置：
