《一种反向CYNSN模型中的子空间搜索算法.pdf》由会员分享，可在线阅读，更多相关《一种反向CYNSN模型中的子空间搜索算法.pdf（8页完整版）》请在专利查询网上搜索。
1、10申请公布号CN103530494A43申请公布日20140122CN103530494A21申请号201210595446422申请日20121210G06F19/0020110171申请人岑夏凤地址315332浙江省慈溪市附海镇花塘村三角田72发明人岑夏凤54发明名称一种反向CYNSN模型中的子空间搜索算法57摘要本发明公开了一种反向CYNSN模型中的子空间搜索算法。该算法通过计算所有顶点光谱与目标光谱RRMS值，选择RRMS最小的那个顶点光谱，之后找到所有包含该顶点的所有子空间，称为候选子空间，然后利用线性迭代算法计算所有候选子空间对应的候选墨水配方，并预测其对应的光谱，最后选择预测光。
2、谱与目标光谱之间RRMS值最小的所对应的那个候选子空间作为最优子空间。该算法搜索速度快、精度高、只需较少的迭代次数就能计算得最优子空间，具有很高的实用价值。51INTCL权利要求书1页说明书3页附图3页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书3页附图3页10申请公布号CN103530494ACN103530494A1/1页21一种反向CYNSN模型中子空间搜索算法，其特征在于包括以下步骤1选取打印机的N个墨水，每个墨水从0无墨水到1最大墨水量分为M段，共将整个墨水空间分为MN个子空间，每一个子空间包含2N个顶点，整个墨水空间含有M1N个顶点；2打印所有M1N个顶点作。
3、为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建立正向CYNSN模型；3对于某一目标光谱，计算与每个顶点光谱的RRMS，计算公式如下式中，R1和R2是目标样本和某一顶点的光谱，1和2为测量光谱范围内的最小值和最大值，N是测量光谱范围内的采样个数。4选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该顶点的子空间，称为候选子空间，假定为T个候选子空间；5在每一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，共得到T个候选墨水配方，线性迭代算法采用UG算法；6对于每个候选墨水配方，利用正向CYNSN模型预测其对应的光谱，同时计算该预测光谱。
4、与目标光谱的RRMS值；7最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最优子空间，在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方。2根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，其特征在于所述步骤1中选取打印机的N个墨水，每个墨水从0无墨水到1最大墨水量分为M段，共将整个墨水空间分为MN个子空间。一般来说，为获得较高的模型精度，M的取值应该大于等于6。3根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，其特征在于所述步骤2中打印所有M1N个顶点作为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建。
5、立正向CYNSN模型。正向CYNSN模型的建立可采用RBALASUBRAMANIAN的方法。4根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，其特征在于所述步骤4中选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该顶点的子空间，称为候选子空间。5根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，其特征在于所述步骤5中在每一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，线性迭代算法可采用UG算法。6根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，其特征在于所述步骤7中最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最优子空间，。
6、在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方。权利要求书CN103530494A1/3页3一种反向CYNSN模型中的子空间搜索算法技术领域0001本发明涉及一种子空间搜索算法，具体是涉及一种反向CYNSN模型中的子空间搜索算法。背景技术0002随着科学技术的发展，打印机在人们的日常生活工作中得到了日益广泛的应用，在极大地方便人们工作生活的同时，也带来了颜色失真等一系列问题，如经过打印机输出的颜色与显示器上的颜色不匹配等。0003设备的特征化是解决颜色失真问题的首要解决的问题之一。设备特征化是指通过特定的数学模型和训练样本建立起设备无关色和设备相关色之间的对应变换关系。设备无关色一般指。
7、在国际照明委员会标准颜色空间中表征的颜色，如CIEXYZ三刺激值、CIELAB色度参数等；设备相关色是由相应数字图像设备的颜色特性所决定的，对打印机而言，其设备相关色通常指各墨水的用量，即墨水配方。特征化模型一般包含正向和反向模型。正向特征化模型建立从设备相关色到设备无关色之间的联系，而反向特征化模型指的是通过设备无关色来预测相应的设备相关色。在以往的打印机特征化模型研究中，常选用CIEXYZ三刺激值或CIELAB值作为设备无关色，原因在于计算相对简单，但是由于CIEXYZ或CIELAB值没有包含所有颜色的信息，会导致出现同色异谱的问题，即标准样本和复现样本在一种照明条件下其颜色相互匹配，但在。
8、另一种照明条件下却不匹配的现象。由于光谱数据记录了物体颜色的所有信息，因此基于光谱的特征化模型可以很好地解决同色异谱的问题。0004CYNSNCELLULARYULENIELSENSPECTRALNEUGEBAUER，子空间式YULENIELSEN修正的光谱NEUGEBAUER模型是最为常用的打印机光谱特征化模型，其为基本NEUGEBAUER模型的改进模型，包括正向和反向模型。该模型的反向特征化模型基于目标光谱预测墨水配方一直都是相关研究的热点。在CYNSN模型中，整个墨水空间被分为多个子空间，所以在反向CYNSN模型中，对于某一目标光谱，首先需要找到目标光谱所在的子空间，再根据线性迭代算法对。
9、该目标光谱进行预测得墨水配方。到目前为止，很少有简单、有效的子空间搜索算法快速找到最优的目标光谱所属的子空间。发明内容0005本发明为了解决背景技术中所述的问题，公开了一种反向CYNSN模型中的子空间搜索算法。其具体步骤如下00061选取打印机的N个墨水，每个墨水从0无墨水到1最大墨水量分为M段，共将整个墨水空间分为MN个子空间，每一个子空间包含2N个顶点，整个墨水空间含有M1N个顶点；一般来说，为获得较高的模型精度，M的取值应该大于等于6；00072打印所有M1N个顶点作为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建立正向CYNSN模型，正向。
10、CYNSN模型的建立可参见RBALASUBRAMANIAN的期刊文章OPTIMIZATIONOFTHESPECTRAL说明书CN103530494A2/3页4NEUGEBAUERMODELFORPRINTERCHARACTERIZATIONJOURNALOFELECTRONICIMAGING，1999，第8卷第2期，156166；00083对于某一目标光谱，计算与每个顶点光谱的RRMS，计算公式如下00090010式中，R1和R2是目标样本和某一顶点的光谱，1和2为测量光谱范围内的最小值和最大值，N是测量光谱范围内的采样个数。00114选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该。
11、顶点的子空间，称为候选子空间，假定为T个候选子空间；00125在每一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，共得到T个候选墨水配方，线性迭代算法采用UG算法PURBANANDRRGRIGAT，SPECTRALBASEDCOLORSEPARATIONUSINGLINEARREGRESSIONITERATIONCOLORRESEARCHAPPLICATION，2006，第31期第3卷，229238；00136对于每个候选墨水配方，利用正向CYNSN模型预测其对应的光谱，同时计算该预测光谱与目标光谱的RRMS值；00147最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最。
12、优子空间，在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方。0015本发明通过选择与目标光谱RRMS最小的那个顶点找到所有包含该顶点的子空间，从而大大缩小子空间的搜索范围，加快算法的速度，然后利用线性迭代算法计算所有候选子空间对应的候选墨水配方，并预测其对应的光谱，最后选择预测光谱与目标光谱之间RRMS值最小的所对应的那个候选子空间作为最优子空间。该方法搜索速度快、精度高，只需较少的迭代次数就能计算得最优子空间，可明显提高子空间较多的反向CYNSN模型的求解效率。附图说明0016图1是一种反向CYNSN模型中的子空间搜索算法流程图；0017图2是实施例中的一目标光谱；0018图3是实施例。
13、中8个候选墨水配方的预测光谱与目标光谱的RRMS值；0019图4是实施例中最终墨水配方对应的预测光谱与目标光谱的比较。具体实施方式0020以一台传统的三墨CMY青、品、黄打印机为例，对上述一种反向CYNSN模型中的子空间搜索算法的具体实施方式进行阐述。如图1所示，其具体步骤如下00211选取打印机的所以3个墨水，每个墨水从0无墨水到1最大墨水量均匀分为7段，共将整个墨水空间分为73343个子空间，每一个子空间包含238个顶点，整个墨水空间含有83512个顶点；00222打印所有512个顶点作为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建立正向C。
14、YNSN模型YULENIELSEN说明书CN103530494A3/3页5修正值设为25；其中，分光光度计的测量范围设为400NM到700NM，以10NM为间隔；00233对于某一目标光谱，见图2，计算与每个顶点光谱的RRMS，计算公式如下00240025式中，R1和R2是目标样本和某一顶点的光谱，1和2为测量光谱范围内的最小值400NM和最大值700NM，N31是测量光谱范围内的采样个数。00264选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该顶点的子空间，称为候选子空间，在此实施例中T8候选子空间；其中，T的取值与该顶点的在整个墨水空间内的位置有关，T1或4或8；00275在每。
15、一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，共得到T个候选墨水配方，线性迭代算法采用UG算法；00286对于每个候选墨水配方，利用正向CYNSN模型预测其对应的光谱，同时计算该预测光谱与目标光谱的RRMS值，见图3；00297最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最优子空间，在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方，该最终墨水配方为C0369，M0098，Y0122，其对应的预测光谱与目标光谱如图4所示。说明书CN103530494A1/3页6图1说明书附图CN103530494A2/3页7图2图3说明书附图CN103530494A3/3页8图4说明书附图CN103530494A。