張建新， 吳小亮

(浙江理工大學(xué) 機(jī)械與自動(dòng)控制學(xué)院，杭州 310018)

?

研究與技術(shù)

基于支持向量機(jī)的染色品圖像顏色評(píng)價(jià)算法的研究

張建新， 吳小亮

(浙江理工大學(xué) 機(jī)械與自動(dòng)控制學(xué)院，杭州 310018)

傳統(tǒng)染色品圖像顏色評(píng)價(jià)的主要方法是依據(jù)色差公式計(jì)算平均色差值，然后再根據(jù)色差值得出相應(yīng)的色差等級(jí)，其評(píng)價(jià)指標(biāo)單一，受色差公式選擇的影響較大且運(yùn)算時(shí)間較長(zhǎng)。文章提出了基于優(yōu)化色差公式和支持向量機(jī)的染色品圖像多顏色特征評(píng)價(jià)指標(biāo)算法，首先采用遺傳算法對(duì)傳統(tǒng)的CIELAB色差公式進(jìn)行優(yōu)化，以減少顏色特征指標(biāo)的計(jì)算時(shí)間；其次，基于支持向量機(jī)建立了多顏色特征指標(biāo)與評(píng)價(jià)結(jié)果之間的擬合模型，實(shí)現(xiàn)了顏色品色差等級(jí)的評(píng)定。實(shí)驗(yàn)表明，與Datacolor 650標(biāo)準(zhǔn)檢測(cè)設(shè)備得出的色差評(píng)價(jià)結(jié)果相比，基于優(yōu)化的色差公式和支持向量機(jī)的染色品圖像評(píng)價(jià)算法的評(píng)價(jià)結(jié)果具有較好的一致性，并且算法的執(zhí)行時(shí)間得到了較大的提高。

顏色評(píng)價(jià)；色差公式；支持向量機(jī)；Datacolor 650；色差評(píng)價(jià)

印染行業(yè)是浙江省的主要產(chǎn)業(yè)，產(chǎn)品的質(zhì)量直接關(guān)系到該行業(yè)在國(guó)際競(jìng)爭(zhēng)中的地位。顏色是印染產(chǎn)品最主要的質(zhì)量指標(biāo)，顏色的質(zhì)量控制離不開色差檢測(cè)設(shè)備。而色差檢測(cè)設(shè)備中最核心的一環(huán)就是顏色的評(píng)價(jià)，其評(píng)價(jià)結(jié)果直接關(guān)系到一系列的控制I/O口的輸出。

目前對(duì)于顏色品圖像顏色評(píng)價(jià)的主要方法是依據(jù)色差公式計(jì)算色差平均值，然后再根據(jù)色差值得出相應(yīng)的色差等級(jí)，其評(píng)價(jià)指標(biāo)單一，受色差公式的影響較大。顏色領(lǐng)域的色差計(jì)算公式主要有CIELAB、CMC(l︰c)、JPC79、BFD、CIE94和CIEDE2000等，其計(jì)算的復(fù)雜度是各不相同的。王寒等[1-2]研究了各個(gè)色差公式與視覺色差之間的關(guān)系，指出了各個(gè)色差公式在大小色差檢測(cè)方面的優(yōu)缺點(diǎn)。本研究在此基礎(chǔ)上通過(guò)遺傳算法優(yōu)化CIELAB色差公式，使得單一的色差公式對(duì)大小色差檢測(cè)都具有良好的表現(xiàn)，同時(shí)具有最小的復(fù)雜度，從而也為后面色差評(píng)價(jià)環(huán)節(jié)的顏色信息的提取減少運(yùn)算時(shí)間。

此外，在圖像質(zhì)量評(píng)價(jià)算法領(lǐng)域，目前主要有諸如信噪比(PSNR)[3]、基于人眼視覺系統(tǒng)HVS(human visual system)的結(jié)構(gòu)相似性SSIM模型[4-7]、樸素貝葉斯方法及支持向量機(jī)方法[8]。這些算法主要都是基于待檢測(cè)圖像相對(duì)于標(biāo)準(zhǔn)圖像整體的相似度進(jìn)行歸類評(píng)價(jià)的，而非針對(duì)圖像顏色這一特征的評(píng)價(jià)。支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理的基礎(chǔ)上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，以求獲得最好的推廣能力。張建新等[9]，常衛(wèi)[10]首次將其用于圖像顏色的評(píng)價(jià)領(lǐng)域，建立了圖像顏色評(píng)價(jià)算法，改變了評(píng)價(jià)算法受色差這一單一顏色指標(biāo)的影響，但該算法對(duì)訓(xùn)練數(shù)據(jù)的數(shù)據(jù)量要求較大，同時(shí)在運(yùn)算時(shí)間上耗時(shí)也較大。本研究在此基礎(chǔ)上采用支持向量機(jī)模型擬合顏色的特征信息到評(píng)價(jià)結(jié)果之間的函數(shù)，簡(jiǎn)化訓(xùn)練樣本的數(shù)據(jù)量并通過(guò)優(yōu)化遺傳算法優(yōu)化參數(shù)，控制算法評(píng)價(jià)的正確率，從而達(dá)到解決算法耗時(shí)過(guò)大的問(wèn)題。

1 基于遺傳算法的CIELAB色差公式優(yōu)化

色差公式的選擇對(duì)于顏色特征信息的提取至關(guān)重要，但不同的色差公式對(duì)于大小色差的檢測(cè)效果各有所長(zhǎng)。在理想情況下，測(cè)試樣本與標(biāo)準(zhǔn)品之間的色差理論上是一個(gè)恒值，但由于光照的不均勻及一些其他因素的干擾，其各個(gè)像素點(diǎn)的色差表現(xiàn)出的是一個(gè)圍繞由區(qū)域顏色特征均值計(jì)算而來(lái)的色差值離散分布的函數(shù)。鑒于像素點(diǎn)級(jí)別色差計(jì)算的巨大計(jì)算量，在實(shí)際應(yīng)用中的色差比對(duì)往往采取的是由區(qū)域顏色特征均值計(jì)算而來(lái)的色差值進(jìn)行的。本研究通過(guò)計(jì)算區(qū)域內(nèi)各個(gè)像素點(diǎn)的色差相較于由區(qū)域顏色特征均值計(jì)算而來(lái)的色差的方差來(lái)選擇具有顯著性的色差公式。因此，對(duì)于色差公式的選擇，以有視覺色差和無(wú)視覺色差的棉紡布匹圖片對(duì)為實(shí)驗(yàn)對(duì)象，分別采用最簡(jiǎn)單的色差公式CIELAB、印染行業(yè)最普遍的色差公式CMC(2︰1)和最新的色差公式CIEDE2000(1︰1︰1)計(jì)算相應(yīng)的色差值和方差。最后通過(guò)遺傳算法對(duì)色差公式CIELAB進(jìn)行優(yōu)化，以使得色差公式在大小色差通用性和顯著性方面都具有較好的表現(xiàn)。

在相同的光照條件下，取兩幅視覺無(wú)色差的棉紡布匹圖像和一幅有視覺色差的棉紡布匹圖像(像素大小為97×88)，如圖1所示。以其中一幅為參考圖像，分別使用三種色差公式，計(jì)算另一幅無(wú)視覺色差的圖像與參考圖像之間的色差，可得到一個(gè)基于像素點(diǎn)的色差數(shù)據(jù)集(數(shù)據(jù)集大小為97×88)，再計(jì)算其均值和方差(表1)。然后計(jì)算另外一幅有視覺色差的圖像與參考圖像之間的色差，可得到另一個(gè)基于像素點(diǎn)的色差數(shù)據(jù)集，再計(jì)算其均值和方差(表2)。

圖1 實(shí)驗(yàn)布匹圖片F(xiàn)ig.1 Images of experimental fabric

色差公式方差色差CIELAB0.40050.1899CMC(2︰1)0.17560.0192CIEDE20000.22490.0936

表2 有視覺色差計(jì)算值Tab.2 The calculated value with visual color difference

對(duì)比表1和表2可以發(fā)現(xiàn)：由方差計(jì)算可知，CMC色差公式計(jì)算的色差均值對(duì)無(wú)視覺色差布匹的檢測(cè)效果更符合人眼視覺效果，CIELAB色差公式的均值對(duì)有視覺色差布匹的檢測(cè)效果更符合人眼視覺效果。正是由于單一色差公式與人眼視覺效果的這種背離，同時(shí)考慮到色差公式本身的計(jì)算復(fù)雜度，本研究選擇計(jì)算最簡(jiǎn)單的CIELAB色差公式作為優(yōu)化對(duì)象。通過(guò)比對(duì)觀察其他色差公式的公式形式，對(duì)所選的公式的三個(gè)分量分別加入權(quán)值系數(shù)，并依照色差計(jì)算值的結(jié)果，采取折中的優(yōu)化參考思路對(duì)色差公式作數(shù)學(xué)上的擬合逼近優(yōu)化。改進(jìn)的色差公式模型如下式：

(1)

式中：ΔE為色差，ΔL為明度差，Δa為紅綠值差，Δb為黃藍(lán)值差，kL、ka、kb為各自的權(quán)重系數(shù)。

針對(duì)色差公式(1)的優(yōu)化，本研究選擇遺傳算法的優(yōu)化方式，考慮到均勻性及準(zhǔn)確性，取CIEDE2000色差公式作為優(yōu)化目標(biāo)色差公式,選擇種群數(shù)量為100，代數(shù)為1000，交叉概率為0.3，變異概率為0.01，并采用下式的概率構(gòu)造函數(shù)(f)：

f=|ΔE-ΔECIEDE2000|

(2)

通過(guò)遺傳算法尋優(yōu)可得出系數(shù)解kL為0.604，ka為0.274，kb為0.142。

從優(yōu)化后的色差公式各項(xiàng)之間的權(quán)重系數(shù)可以發(fā)現(xiàn)，對(duì)計(jì)算色差產(chǎn)生最大影響的是亮度差，同時(shí)對(duì)前一節(jié)的圖片進(jìn)行優(yōu)化處理，得到如表3所示表現(xiàn)。

表3 優(yōu)化后的色差公式的表現(xiàn)Tab.3 The performance of optimized color difference formula

從表3可以看出，改進(jìn)的簡(jiǎn)化色差公式與CIEDE2000的數(shù)值相近，但公式本身的復(fù)雜度相較于CIEDE2000公式有了大幅的改善，這為后來(lái)的顏色評(píng)價(jià)算法在圖像顏色特征信息提取上節(jié)約時(shí)間成本提供了可能。

2 基于支持向量機(jī)的染色評(píng)價(jià)算法

2.1 評(píng)價(jià)模型的輸入輸出的量化

染色的評(píng)價(jià)指標(biāo)是指對(duì)染色效果的數(shù)值量進(jìn)行具體的分類描述，評(píng)價(jià)的指標(biāo)與染色效果的幾項(xiàng)顏色特征值存在某種關(guān)系。針對(duì)染色品染色效果的評(píng)價(jià)指標(biāo)，本研究擬參照美國(guó)國(guó)家標(biāo)準(zhǔn)局的標(biāo)準(zhǔn)，其與色差感覺的對(duì)應(yīng)關(guān)系如表4所示[11]，其中色差單位為NBS。

表4 色差值與色差感覺的對(duì)應(yīng)關(guān)系Tab.4 The corresponding relationship between the color difference value and the color difference sensation

染色效果的評(píng)價(jià)具體可分為均勻性評(píng)價(jià)和一致性評(píng)價(jià)[9-10]，即染色布匹取景視野內(nèi)的自我色差評(píng)價(jià)和染色布匹與標(biāo)準(zhǔn)布匹之間的評(píng)價(jià)。具體的評(píng)價(jià)思路是首先對(duì)單色布匹進(jìn)行均勻性評(píng)價(jià)，如果在均勻性評(píng)價(jià)滿足的前提下，則可繼續(xù)進(jìn)行一致性評(píng)價(jià)，否則的話直接輸出染色不合格的結(jié)果。均勻性評(píng)價(jià)由于是在同一視覺窗口下進(jìn)行的，易于形成視覺比對(duì)效應(yīng)，其精度要求也就要高于一致性?？紤]到實(shí)際的染色情況，將色差感覺分為5個(gè)色差等級(jí)，在進(jìn)行均勻性評(píng)價(jià)時(shí)按照表5的指標(biāo)。在進(jìn)行一致性評(píng)價(jià)的時(shí)候，考慮到人眼視覺的停留效果的間歇性，所以對(duì)其色差值進(jìn)行適當(dāng)放寬，分別取表4后一個(gè)的中值作為前一個(gè)的終止值，可得表6的指標(biāo)。

表5 均勻性評(píng)價(jià)指標(biāo)Tab.5 Uniformity evaluation index

表6 一致性評(píng)價(jià)指標(biāo)Tab.6 Consistency evaluation index

對(duì)布匹染色效果評(píng)價(jià)起作用的不單單只有色差值，色差值只是其中的一個(gè)參考量，在實(shí)驗(yàn)過(guò)程中加以人眼的輔助可以進(jìn)行篩選，從而過(guò)濾色差值對(duì)視覺的畸變。對(duì)于不同的色差公式，色差計(jì)算值也會(huì)有很大的變化。因此為了避免色差值對(duì)評(píng)價(jià)結(jié)果的唯一性影響，考慮引入的顏色特征量有明度差ΔL、Δa、Δb，色度差ΔH、飽和度差ΔS、亮度差ΔV及色差ΔE。為了減少模型輸入數(shù)據(jù)的冗余性，傳統(tǒng)的方法是采用主元分析法對(duì)輸入的參數(shù)矩陣進(jìn)行降維計(jì)算，但隨著輸入數(shù)據(jù)的變化，主元分析法所產(chǎn)生的系數(shù)也會(huì)隨之改變，從而帶來(lái)附加的運(yùn)算。故在本研究中不考慮主元分析法進(jìn)行降維，而是對(duì)顏色的特征信息進(jìn)行線性相關(guān)分析，最終篩選出的顏色特征量如表7所示。相較于原始數(shù)據(jù)少了色度差和亮度差，可以有限地降低運(yùn)算的效率，考慮到實(shí)際的實(shí)驗(yàn)情況，樣本量主要通過(guò)基于像素點(diǎn)的特征量進(jìn)行體現(xiàn)。

表7 篩選的顏色特征量Tab.7 Selected color characteristic quantity

2.2 染色均勻性評(píng)價(jià)

在對(duì)布匹進(jìn)行染色均勻性評(píng)價(jià)時(shí)需先將棉紡布匹染色品的圖片分成4等份，如圖2所示。取第一份作為參照?qǐng)D片，依次將剩余三份與第一份進(jìn)行比對(duì)評(píng)價(jià)，從而得出視野下的均勻性評(píng)價(jià)。各個(gè)顏色部分的特征值則均取其像素點(diǎn)的平均值。而對(duì)于模型的獲取，則取無(wú)視覺色差的圖片和有視覺色差的圖片的顏色特征值及其通過(guò)Datacolor 650所獲取的相應(yīng)色差等級(jí)作為訓(xùn)練數(shù)據(jù)，并且在圖像均勻性評(píng)價(jià)時(shí)以3個(gè)小分塊的均勻性計(jì)算所得結(jié)果的最小值作為對(duì)該布匹的最終均勻性評(píng)價(jià)輸出等級(jí)。同時(shí)為了有效地減少訓(xùn)練數(shù)據(jù)量，選取具有指向性色差等級(jí)

區(qū)間的數(shù)據(jù)各一組，而實(shí)驗(yàn)中的染色等級(jí)的劃分則是依據(jù)Datacolor 650測(cè)得的色差值對(duì)應(yīng)于評(píng)價(jià)指標(biāo)得出的，如表8所示。

圖2 圖像區(qū)域劃分示意Fig.2 Sketching map of image region

ΔLΔaΔbΔSΔE色差等級(jí)1.292061.278290.399010.0086510.8572740.020220.102010.051320.0010510.0313655.529662.023923.964530.1233863.4321323.702762.028453.531880.0614462.3584436.2815921.5431134.301530.3039188.541861

將表8的每一行依次作為支持向量機(jī)模型中xi，i=1，2，3，4，5。xi為5行的行向量，通過(guò)最小二乘法可得支持向量機(jī)的模型參數(shù)(表9)。

得到的色差評(píng)價(jià)模型如下式所示：

(3)

式中：K(xi,x)=e-γ(xi-x)T(xi-x)，y為輸出的色差等級(jí)。

由模型參數(shù)的確定可得到最終的均勻性評(píng)價(jià)模型，通過(guò)測(cè)量的其他測(cè)試數(shù)據(jù)對(duì)模型的可靠性進(jìn)行驗(yàn)證，如表10所示。

表9 模型相關(guān)參數(shù)Tab.9 Parameters of the model

表10 模型的驗(yàn)證結(jié)果Tab.10 The results of model validation

由表10可知，實(shí)驗(yàn)結(jié)果符合預(yù)期，能夠?qū)崿F(xiàn)對(duì)布匹顏色的均勻性做出合理的評(píng)價(jià)，但同時(shí)可以發(fā)現(xiàn)有一項(xiàng)數(shù)據(jù)失真比較嚴(yán)重。這是由于該項(xiàng)輸入數(shù)據(jù)的參數(shù)范圍超過(guò)了模型訓(xùn)練數(shù)據(jù)的范圍，這就導(dǎo)致了無(wú)法預(yù)測(cè)的性質(zhì)。因此在實(shí)驗(yàn)建模的時(shí)候要充分選擇建模的數(shù)據(jù)，盡量選擇比實(shí)際情況的范圍要大的數(shù)據(jù)范圍進(jìn)行模型的獲取，避免超出范圍導(dǎo)致不可預(yù)測(cè)性的失真。

2.3 染色一致性評(píng)價(jià)

在布匹染色均勻性條件滿足的前提下再進(jìn)行染色的一致性評(píng)價(jià)。取染色視野下圖片的顏色特征值平均值。對(duì)于模型的獲取，按照色差等級(jí)來(lái)選取具有指向性色差等級(jí)區(qū)間內(nèi)的數(shù)據(jù)各一組，如表11所示，可以有效地控制模型的冗余度，簡(jiǎn)化模型，提高模型的效率。

表11 染色品一致性評(píng)價(jià)訓(xùn)練數(shù)據(jù)Tab.11 Training data for evaluation of dyed product consistency

將表11的每一行作為支持向量機(jī)模型中xi，i=1，2，3，4，5。xi為5行的行向量，通過(guò)最小二乘法可得支持向量機(jī)的模型參數(shù)如表12所示。

模型形式同均勻性模型一樣，由模型參數(shù)的確定可得到最終的一致性評(píng)價(jià)模型，通過(guò)測(cè)量的其他測(cè)試數(shù)據(jù)對(duì)模型的可靠性進(jìn)行驗(yàn)證，結(jié)果如表13所示。

表12 模型相關(guān)參數(shù)Tab.12 Parameters of the model

表13 模型的驗(yàn)證結(jié)果Tab.13 The results of model validation

由表13可知，實(shí)驗(yàn)結(jié)果符合預(yù)期，能夠?qū)崿F(xiàn)對(duì)布匹顏色的一致性做出合理的評(píng)價(jià)。同時(shí)也可發(fā)現(xiàn)有一項(xiàng)的數(shù)據(jù)有輕微的失真效應(yīng)，對(duì)于失真產(chǎn)生的原因進(jìn)行查找，可以發(fā)現(xiàn)失真的這項(xiàng)是位于分類的零界點(diǎn)。因此，可以總結(jié)出模型在分類的零界點(diǎn)具有一定的模糊效應(yīng)，易發(fā)生錯(cuò)誤的歸類現(xiàn)象，在不考慮運(yùn)算量的前提下則可以考慮在各個(gè)分界點(diǎn)多選取幾組加入訓(xùn)練數(shù)據(jù)組，從而實(shí)現(xiàn)在分界點(diǎn)的細(xì)化。

3 結(jié) 論

首先通過(guò)遺傳算法在數(shù)學(xué)的角度優(yōu)化CIELAB色差公式，使其在更好反應(yīng)顏色特征信息的基礎(chǔ)上具有較低的公式復(fù)雜度；其次，通過(guò)支持向量機(jī)將顏色的特征信息與色差等級(jí)之間進(jìn)行擬合，通過(guò)有等級(jí)區(qū)間的篩選顏色特征信息與顏色等級(jí)的數(shù)據(jù)量，可以適當(dāng)簡(jiǎn)化樣本的數(shù)據(jù)集，從而減少算法的計(jì)算量，避免計(jì)算的冗余度。相較于傳統(tǒng)模糊歸類型的支持向量機(jī)算法，在相同訓(xùn)練數(shù)據(jù)的前提下，其訓(xùn)練時(shí)間由21 s減少至1 s，評(píng)價(jià)結(jié)果的準(zhǔn)確度為85%。主要的時(shí)間節(jié)省來(lái)自于顏色特征信息提取的簡(jiǎn)化和模型參數(shù)的恒值化，避免隨輸入數(shù)據(jù)的變化產(chǎn)生的重復(fù)訓(xùn)練的問(wèn)題，相較于神經(jīng)網(wǎng)絡(luò)65%的準(zhǔn)確度有很大的提升。實(shí)驗(yàn)結(jié)果表明，以單色棉紡布匹為實(shí)驗(yàn)對(duì)象，該算法具有較好的效率和準(zhǔn)確度。實(shí)驗(yàn)的不足之處在于實(shí)驗(yàn)的對(duì)象是以單色的染色品為研究對(duì)象，而在實(shí)際的印染行業(yè)是單一布匹上的多種顏色的色差評(píng)價(jià)，需要引入精確的分割定位算法，這將是下一步研究的方向。

[1]王寒.基于物體表面色的色差評(píng)價(jià)研究[D].杭州:浙江大學(xué),2008:5-12. WANG Han.The Studies of the Color Difference Evaluation on the Surface Color of Objects[D]. Hangzhou: Zhejiang University,2008:5-12.

[2]WANG Han, CUI Guihua, LUO M R, et al. Evalution of color difference formulae for difference magnitudes[J]. Color Research & Application,2012,37(5):316-325.

[3]朱博,王新鴻,唐伶俐,等.光學(xué)遙感圖像信噪比評(píng)估方法研究進(jìn)展[J].遙感技術(shù)與應(yīng)用,2010,25(2):303-309. ZHU Bo, WANG Xinhong, TANG Linli, et al. The research progress of the signal to noise evaluation methods of optical remote sensing images[J]. Remote Sensing Technology and Application,2010,25(2):303-309.

[4]WANG Z, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing,2004,13(4):600-612.

[5]WANG Z, SIMONCELLI E P, BOVIK A C. Multiscale structural similarity for image quality assessment[C]//Pacific Grove: IEEE Signal Processing Society,2010:1398-1402.

[6]王學(xué)珍.數(shù)字圖像質(zhì)量評(píng)價(jià)算法研究及性能評(píng)價(jià)[D].天津:天津大學(xué),2011:1-5. WANG Xuezhen. The Research and Performance Evaluation of the Digital Image Quality Evaluation Algorithm[D]. Tianjing: Tianjing University,2011:1-5.

[7]佟雨兵,張其善,胡薇薇,等.視頻質(zhì)量評(píng)價(jià)方法綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖像學(xué)報(bào),2006,18(5):735-741. TONG Yubin, ZHANG Qishan, HU Weiwei, et al. A review on the video quality assessment methods[J]. Journal of Computer Aided Design and Images,2006,18(5):735-741.

[8]鄧乃揚(yáng),田英杰.支持向量機(jī):理論、算法與拓展[M].北京:科學(xué)出版社,2009:116-155. DENG Naiyang, TIAN Yingjie. The Support Machine: Theory, Algorithm and Development[M]. Beijing: Science Press,2009:116-155.

[9]ZHANG Jianxin, YANG Chong. Evaluation model of color difference for dyed fabrics based on the support vector machine[J]. Textile Research Journal,2015,84(20):2184-2197.

[10]常衛(wèi).基于機(jī)器視覺的顏色品色差檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)[D].杭州:浙江理工大學(xué),2011:1-6. CHANG Wei. The Key Technologies of Color Difference Detection System on Machine Vision[D]. Hangzhou: Zhejiang Sci-Tech University,2011:1-6.

[11]金守峰.布匹色差在線視覺檢測(cè)系統(tǒng)[J].印染,2013,38(17):35-37. JIN Shoufeng. The visual detection system of the fabric color difference online[J]. Dyeing and Printing,2013,38(17):35-37.

Research on color evaluation algorithm of dyed product image based on SVM

ZHANG Jianxin, WU Xiaoliang

(School of Mechanical Engineering and Automation, Zhejiang Sci-Tech University, Hangzhou 310018, China)

The traditional method to evaluate the color of dyed product image is based on calculation of the average color difference value according to the color difference formula, and then obtains the color scale according to the color difference. The evaluation index of this method is single, and the results can be greatly influenced by the selection of color difference formula. Besides, it costs too much time. This paper puts forward multi-color feature evaluation index algorithm of dyed product images based on optimized color difference formula and support vector machine. Firstly, in order to reduce the computation time of color feature index, the genetic algorithm is applied to optimize the traditional CIELAB color difference formula; secondly, a fitting model between multicolor feature indexes and evaluation results is established on the basis of support vector machine, which achieves assessment of color difference grade of dyed products. Experimental results show that the results based on optimized color difference formula and SVM have better consistency than the results which are achieved by Datacolor 650 standard testing equipment. In addition, the execution time of the algorithm has been greatly improved.

color evaluation; color difference formula; support vector machine; Datacolor 650; color difference evaluation

10.3969/j.issn.1001-7003.2016.11.006

2016-05-09;

2016-10-12

國(guó)家自然科學(xué)基金項(xiàng)目(61074154)

TS190.9

A

1001-7003(2016)11-0029-06 引用頁(yè)碼: 111106