[发明专利]基于墨量限制样本的喷印设备光谱分色模型校正方法及系统

摘要

一种基于墨量限制样本的喷印设备光谱分色模型校正方法及系统，包括制备涅格伯尔基色梯尺并以此完成墨量限制过程；利用插值算法求取与墨量不超限样本原始墨量值对应的模型限制算法输入墨量值，将其带入原有特性化正向模型，预测其光谱反射率；利用加权主成分法分别对模型预测光谱反射率信息以及墨量限制样本真实测量反射率信息进行降维，并利用神经网络构建降维后上述主成分空间之间的关联性；针对任意待复制色彩光谱反射率，结合前述加权主成分降维方法以及所构建的神经网络模型，预测其于现有模型中的等价反射率，并以此通过现有反向模型求解最终分色墨量值。本发明有效实现墨量限制过程与分色模型校正过程的统一，且实施方便。

主权项

基于墨量限制样本的喷印设备光谱分色模型校正方法，其特征在于，包括以下步骤：步骤1，生成涅格伯尔梯尺原始墨量信息T，并以此制备涅格伯尔基色梯尺；步骤2，判断步骤1中涅格伯尔基色梯尺的墨量阈值H，通过颜色测量设备测量获取步骤1中T所对应的有效光谱反射率信息R；步骤3，基于步骤2中墨量阈值H，构建基于高维线性插值的墨量限制算法，并求取墨量限制后涅格伯尔梯尺墨量信息T’；步骤4，利用插值算法求取与步骤2所得墨量不超限样本原始墨量值对应的、步骤3中墨量限制算法的输入墨量值；步骤5，将步骤4中所求取输入墨量值代入现有特性化正向模型F，预测其对应光谱反射率信息R’；步骤6，利用加权主成分降维方法，分别将步骤2中有效光谱反射率信息R以及步骤5中预测光谱反射率信息R’进行降维，得对应降维主成分信息P以及P’；步骤7，利用神经网络算法构建步骤6中降维主成分信息P以及P’的关联性模型；步骤8，对于任意待复制光谱反射率信息Rx，利用步骤6中针对有效光谱反射率信息R的加权主成分算法将其降维至主成分空间，得降维主成分信息Px；步骤9，利用步骤7所构建神经网络，预测与降维主成分信息Px所对应的原有模型色彩信息主成分值Px’，随后，利用步骤6中针对预测光谱反射率信息R’的加权主成分算法，将其重建至光谱反射率空间，得等价光谱反射率信息Rx’；步骤10，利用现有特性化模型中的反向分色模型B，对步骤9中的等价光谱反射率信息Rx’进行分色，所得墨量值即为分色模型校正后墨量值，分色模型校正完成。