[发明专利]一种色度空间变换方法

摘要

本发明提出了一种色度空间变换方法。所述方法利用RPSO算法来修正BP神经网络的权值和阈值，提高了神经网络的学习能力和搜索速度，增强了BP神经网络的泛化能力；对PSO算法进行了改进，克服了该算法易陷入局部最优的缺点，提高了搜索速度；通过改进的RPSO-BP神经网络将RGB颜色空间值转化为设备无关的Lab颜色空间值，提高了平均转化精度和转化速度。

主权项

一种色度空间变换方法，其特征在于，包括步骤如下：步骤A：使用训练样本对BP神经网络进行训练，具体步骤是：步骤A‑1，确定BP神经网络结构：所述BP神经网络包括3个输入节点、3个输出节点和5个隐含层节点；步骤A‑2，以红、绿、蓝为坐标系建立RGB三维色彩空间，将RGB颜色空间值转化为Lab颜色空间值，构造训练样本；步骤A‑3，采用步骤A‑2所述的训练样本，将RGB颜色空间值作为BP神经网络的输入值，将Lab颜色空间值作为BP神经网络的输出值，设定最大迭代次数和网络训练允许误差，使用改进的粒子群算法训练BP神经网络的权值和阈值；所述改进的粒子群算法，其具体步骤如下：步骤A‑31，初始化粒子群，其中具有N个粒子；步骤A‑32，设立一个密度计数器，所述密度计数器为具有2N个元素的计数器数组，用于记录2N个区间内粒子出现次数；粒子运动时，若粒子出现在某区域内，则将该区域的密度计数器加1；步骤A‑33，把各个粒子带入BP神经网络传播过程，计算每个粒子的个体极值即适应度值，获取当前的全局最优极值和各粒子的最优个体极值：步骤A‑34，设定阈值，统计某一粒子连续多次被选为全局最优粒子的次数，判断所述次数是否达到设定阈值；如果没有达到设定阈值，转入步骤A‑36；如果达到设定阈值，转入步骤A‑35；步骤A‑35，将步骤A‑34所述粒子位置标记，并将该粒子重新投放到密度计数器值最小的区域中；步骤A‑36，判断是否达到最大迭代次数，或者是否达到网络训练误差；如果达到最大迭代次数，或者达到网络训练误差，则训练完成，全局最优粒子对应的神经网络权值和阈值与连接结构，即为神经网络的训练问题最优解；否则，转到步骤A‑37；步骤A‑37，调整粒子群中粒子的移动速度和位置，返回执行步骤A‑33；步骤B：使用步骤A训练完成的神经网络进行色彩空间转换，具体过程是：将任意RGB颜色空间值分别送入3个输入节点，通过神经网络在3个输出节点得到转换后的Lab颜色值。