计算机应用研究

作者：杨晨,廉凯成,徐昊,吴秦,柴志雷,

单位：1.江南大学人工智能与计算机学院,江苏无锡214122；2.江苏省模式识别与人工智能工程实验室,江苏无锡214122；

关键词：色彩特征化,多项式回归,自适应加权,色彩复制,色彩管理,

基金：国家自然科学基金资助项目(61972180)；江苏省模式识别与计算智能工程实验室资助项目；；

在数字印刷领域，精确再现计算机图像的颜色是高质量印刷的前提，其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值，导致模型振荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度较高，但算法复杂度也呈数量级的提高，难以满足工业生产中的效率要求。为解决上述问题，提出残差修正的加权多项式回归算法，采用具有较强抗差能力的Huber损失函数来替代均方误差。通过自适应机制确定各个样本权重，并利用残差值迭代优化得到最佳权重矩阵，从而降低奇异值样本对系统的影响；此外，修正模块捕获第一个模型可能遗漏的非线性情况辅助调整转换结果，进而提高颜色再现准确性。结果表明，该算法与普通多项式回归相比，平均色差降低1.2，与基于深度置信网络的推理算法精度接近，但运行时间比其减少99.37%。

来源：2024年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第10期