论文部分内容阅读
颜色的测量和控制,尤其是色差的评定是科学研究和生产中经常遇到的问题。为了不断地适应实际工业生产的需求,要求能够对色样颜色进行准确测量并对其色差进行科学的评价,使其评价结果能够更贴切地反映色样间的颜色视觉差异,从而正确地判别产品的颜色质量,并能够由此达到对生产过程科学有效的控制。论文采用OPB780颜色传感器结合Elman神经网络和聚类算法对颜色识别进行了系统研究,取得如下进展:(1)介绍了物体和颜色的相互关系及相关颜色理论,分析了颜色测量的原理,讨论了颜色的三刺激值和色度值的转换、RGB颜色空间至CMYK颜色空间的互换。(2)分析了OPB780颜色传感器的工作原理和特性,设计了以单片机AT89C51为核心测量单元的外围辅助测量电路;考虑到对测量后数据显示的快速和稳定,设计了以PL2303芯片为核心的虚拟串口电路计算机显示方案。(3)根据OPB780颜色传感器的感光特性设计了光源补偿电路和数据采集暗室;根据白平衡原理和单片机频率测量原理,编制了颜色测量KeilC51软件程序。根据设计好的电路和软硬件测量出了2200个训练色卡样本和39个测试色卡样本的R、G、B、C频率值。(4)提出了基于Elman神经网络用于颜色识别的研究方法,通过对输入数据的归一化处理,并经过多次网络节点的测试调整,选取颜色识别效果最好的网络结构。在最终的色差聚类算法上,采用改进的K-means聚类算法:以黑蓝绿青红紫黄白八种常见颜色的RGB值为聚类中心点,聚类准则利用CIE1976Lab均匀颜色空间及色差公式,并按照色差最小原则确定出同这8个中心的聚类。通过2200个训练颜色样本数据和39个测试颜色样本数据用于色差聚类的试验结果表明,所构建的Elman神经网络具有良好效果,达到预期目的。