3·基于粒子群算法的RBF网络的配色模型建立
在织物染色配色过程中,不同的染料选择吸收的光谱不同,导致织物形成各种颜色。颜色的配置可有3种基本染料通过不同的比例混合求得。颜色的匹配将涉及到颜色空间的概念,不同行业的配色宜采用不同的颜色空间。目前有多种表示颜色的空间体系,每种表色体系的数值可通过公式根据反射光谱的三刺激值转换而来[4]。
CIELab是一个均匀颜色空间,其中色彩由3个数值L,a和b代表。第一个数值L,定义了色彩的亮暗程度,而a和b则是关于颜色的信息。Lab颜色与设备无关,无论使用何种设备(如显示器、打印机、扫描仪)创建或输出图像,这种模型都能生成一致的颜色。
研究表明,织物所反射出来光的颜色L,a,b值与染料的浓度C有关系,即Lab值=f(C)[5]。基于此推理,构造基于粒子群优化算法的径向基神经网络织物染色配色模型,使用RBF神经网络来模仿f函数,并将此函数写入粒子群优化算法的适应度函数中,径向基神经网络的输入样本为染料浓度,输出样本为颜色的L,a,b值。基于粒子群优化算法的RBF神经网络解决染色配色问题的粒子群算法模型如图1所示, RBF神经网络模型如图2所示。
4·试验过程及数据分析
以织物三拼色配色为例,使用中色系染料极品中三元:活性红3BS,活性黄3RS和活性蓝FBN来配色。首先扫描制作好的小样到计算机中,使用软件来获取小样的Lab值。这些Lab值就为RBF神经网络的输入数据,制作这些小样所需的染料浓度就为RBF的输出,如表1所示。
根据表1的数据采用粒子群优化算法[6]优化神经网络的权值,粒子数为15;粒子的长度为3,学习因子C1=C2=2。在matlab环境下编程实现粒子群优化算法后将输出的数据解码后应用于RBF网络。达到收敛条件后,对网络进行测试,测试结果如表2所示。
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
