数字图像颜色的校正方法

摘要

本发明涉及利用神经网络对数字图像颜色校正的方法。用二次通用旋转组合设计准确地建立起神经网络各隐层神经元节点数x_j与神经网络均方误差y的回归方程。用遗传算法对神经网络各隐层神经元节点数的寻优，得出神经网络的各隐层最佳的神经元节点数，解决了神经网络各隐层神经元节点数的确定没有理论根据的问题；在需要的颜色色域空间对此神经网络进行学训练，得到具有学训练颜色色域空间信息的第一神经网络，将需要校正的数字图像颜色信息输入到第一神经网络，得到校正后的数字图像颜色信息。本发明能使数字图像的颜色得到快速精确地校正。还可建立一个大色域空间范围下的普遍实用的可操作数字图像颜色校正的神经网络系统。

主权项

1、数字图像颜色的校正方法，其特征在于：(1)利用试验优化中二次通用旋转组合设计的方法，根据需要颜色校正的数字图像的色域空间建立起神经网络各隐层神经元节点数xj与神经网络均方误差y的回归方程：$y=b_0+\underset{i=1}{\overset{p}{\Sigma }}{b}_j{x}_j+\Sigma b_{\mathrm{hj}}{x}_h{x}_j+\underset{j=1}{\overset{p}{\Sigma }}{b}_{\mathrm{jj}}{x}_j^2;$ 再利用遗传算法对回归方程y进行优化，优化后得到神经网络均方误差的极小值为ymin的同时得到神经网络各隐层神经元节点数为xj，得到了各隐层神经元节点数xj便确定了神经网络的结构；(2)利用优化的神经网络，在需要校正颜色所需的色域空间对上述神经网络进行权系数训练，得到含有所需色域空间颜色信息的权系数和阈值的第一神经网络；将需要校正的颜色信息输入到第一神经网络，得到校正后的全部颜色信息，则完成了对数字图像颜色的校正。