CN102799895A - 基于最小二乘支持向量机的胶印油墨配色方法 - Google Patents
基于最小二乘支持向量机的胶印油墨配色方法 Download PDFInfo
- Publication number
- CN102799895A CN102799895A CN2012102123064A CN201210212306A CN102799895A CN 102799895 A CN102799895 A CN 102799895A CN 2012102123064 A CN2012102123064 A CN 2012102123064A CN 201210212306 A CN201210212306 A CN 201210212306A CN 102799895 A CN102799895 A CN 102799895A
- Authority
- CN
- China
- Prior art keywords
- color matching
- xyz value
- ink
- printing ink
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明涉及印刷技术领域,特别是一种基于最小二乘支持向量机的胶印油墨配色方法,包括以下步骤:对每一种基础油墨分别以不同的浓度梯度进行打样,浓度梯度在(0~100)%范围内选取m个浓度比例与冲淡剂混合形成,然后测量打样得到的各标准色样相应的XYZ值;获取待配目标样品的XYZ值,并选取N个参与配色的油墨,得到m*N个XYZ值与对应的浓度比例训练样本数据;对LS-SVM函数模型进行训练,建立XYZ值与油墨配方的关系,实现XYZ值到油墨浓度比例的转换;将待配目标样品的XYZ值输入训练好的LS-SVM函数模型,计算得到相应的油墨配方。该方法对基础油墨数据库的精度要求小,配色简便可靠,效率高。
Description
技术领域
本发明涉及印刷技术领域,特别是一种基于最小二乘支持向量机的胶印油墨配色方法。
背景技术
近年来随着计算机技术的迅速发展, 计算机配色技术已经逐渐应用到印刷包装领域中,目前常见的油墨配色算法包括以下几种:
1、数据库查找法:一种基于插值理论提出的方法,对于样本数据量的要求很高,类似一种枚举法,样本数据越多计算结果越准确,实际应用比较困难;
2、光谱匹配法:是一种较为理想的配色方法,但是对于参与配色的材料要求很高,要求参与配色的油墨以及底材材料和建立基础数据库时的材料一致,因此目前只是停留在理论研究阶段;
3、三刺激值匹配法:需要建立精确的基础油墨数据库,建库成本较高;
4、BP 神经网络法:需要大量样本进行学习,否则模型精度较低,同时训练过程中对于学习样本非常敏感,一旦出现错误样本,将导致模型变得非常不精确。
其中,三刺激值配色模型是目前最为常用的油墨配色方法,主要是通过指定照明条件,以达到目标色和配方样品之间的三刺激值误差最小。但是目前的三刺激值配色算法均需要建立精确的基础油墨数据库,即对每一种基础油墨进行梯度浓度打样并输入计算机,用以计算表征某一油墨特性的单位浓度KS值,并以此作为基础数据建立基础油墨数据库,基础油墨数据库的精度对计算机配色效果有较大影响,所以对印刷企业而言,在建库时必须要保证实验条件的稳定以及实验操作的精确。因此,采用这种方法前期建库需要花费大量人力物力,建库成本很高。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于最小二乘支持向量机的胶印油墨配色方法,该方法对基础油墨数据库的精度要求小,配色简便可靠,效率高。
为实现上述目的,本发明采用的技术方案是:一种基于最小二乘支持向量机的胶印油墨配色方法,包括以下步骤:
步骤1:对每一种基础油墨 分别以不同的浓度梯度进行打样,其中,S为总的基础油墨数,浓度梯度在(0~100)%浓度范围内以一定浓度间隔选取m个浓度比例与冲淡剂混合形成,然后通过分光光度计测量打样得到的各标准色样相应的三刺激值,即XYZ值;
步骤3:将m*N个标准色样的XYZ值与对应的浓度比例关系数据作为输入输出训练样本,对XYZ值到油墨配方非线性转换的LS-SVM函数模型进行训练,建立XYZ值与油墨配方的关系,实现XYZ值到油墨浓度比例的转换;所述LS-SVM函数模型为:
步骤4:将待配目标样品的XYZ值输入步骤3训练好的LS-SVM函数模型,计算得到相应的油墨配方。
本发明的有益效果是利用了最小二乘支持向量机易实现、训练样本少、非线性和泛化能力强等优点,通过建立三刺激值和油墨浓度比例之间的非线性关系,既能实现对于油墨配方的预测,又能避免在配色过程中去分析复杂的光学模型影响因素,对基础油墨数据库的精度要求小,提高了配色效率,为印刷过程中的油墨配色技术提供了一种较为简便可靠的方法。
附图说明
图1是本发明实施例的配色流程图。
具体实施方式
本发明基于最小二乘支持向量机的胶印油墨配色方法,包括以下步骤:
步骤1:对每一种基础油墨分别以不同的浓度梯度进行打样,其中,S为总的基础油墨数,浓度梯度在(0~100)%浓度范围内以一定浓度间隔选取m个浓度比例与冲淡剂混合形成,然后通过分光光度计测量打样得到的各标准色样相应的三刺激值,即XYZ值;
步骤3:将m*N个标准色样的XYZ值与对应的浓度比例关系数据作为输入输出训练样本,对XYZ值到油墨配方非线性转换的LS-SVM函数模型进行训练,建立XYZ值与油墨配方的关系,实现XYZ值到油墨浓度比例的转换;所述LS-SVM函数模型为:
其中,为高斯径向基函数中的核半径;
步骤4:将待配目标样品的XYZ值输入步骤3训练好的LS-SVM函数模型,计算得到相应的油墨配方。
基于LS-SVM算法建立XYZ值到油墨配方非线性转换的LS-SVM函数模型的方法如下:
给定N个样本点{x i , y i },,其中,表示n维输入,,表示n维输出;引入非线性映射,将输入数据投影到高维特征空间(Hilbert空间),从而将低维非线性回归问题转化为高维特征空间中的线性回归问题,构造最优决策函数为:
(1)
其中,w为权重系数向量,h为高维特征空间维数,b为偏置量;
根据问题求解目标和结构风险最小化原则,(1)式满足如下条件:
用拉格朗日乘子法求解上述具有等式约束的二次规划问题,定义Lagrange函数为:
由(4)式可得对应矩阵方程如(5)式所示:
其中,选取核函数K为如(7)式所示的高斯径向基函数:
下面结合附图及具体实施例对本发明作进一步说明。
如图1所示为本发明实施例基于LS-SVM配色模型进行油墨配色的具体实施流程,包括以下几个步骤:
步骤(1)组织学习训练样本,具体是:
选取由某公司生产的全套12种胶印油墨(分别为:洋红、深蓝、大红、桃红、中蓝、中黄、桔黄、黑、品红、天蓝、绿、金红),对每一种油墨(,为总的油墨数,这里=12),分别在0%到100%范围内选取10个比例浓度并与冲淡剂混合,基于IGT C1型油墨打样机进行打样,10个比例浓度之间间隔不要求完全均匀,但是应该尽量保持均匀,并记录相应的比例浓度,这样做的目的是为了尽量覆盖色彩空间范围。通过XRite 530分光光度计连接串口到计算机,并测量打样得到的标准色样相应XYZ值存入计算机,建立配色数据库;
步骤(2)采用分光光度计获取待配目标样品的XYZ值,并对其做归一化处理,由于输入的XYZ值存在于CIE1931-XYZ系统,将其转换为CIE1931-xy色度系统,转换方法如式(a)所示:
步骤(4)对LS-SVM配色模型进行学习训练,具体是:
将在步骤(3)中所得的样本数据作为学习训练样本输入到支持向量机进行训练,LS-SVM配色模型中核函数采用高斯径向基函数,即如式(b)所示:
步骤(5)将在步骤(2)中处理完成的待配目标样品的XYZ值输入到步骤(4)中训练好的LS-SVM模型,通过模型进行计算,从而得到相应样品的油墨配方结果。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (2)
1.一种基于最小二乘支持向量机的胶印油墨配色方法,其特征在于:包括以下步骤:
步骤1:对每一种基础油墨 分别以不同的浓度梯度进行打样,其中,S为总的基础油墨数,浓度梯度在(0~100)%浓度范围内以一定浓度间隔选取m个浓度比例与冲淡剂混合形成,然后通过分光光度计测量打样得到的各标准色样相应的三刺激值,即XYZ值;
步骤3:将m*N个标准色样的XYZ值与对应的浓度比例关系数据作为输入输出训练样本,对XYZ值到油墨配方非线性转换的LS-SVM函数模型进行训练,建立XYZ值与油墨配方的关系,实现XYZ值到油墨浓度比例的转换;所述LS-SVM函数模型为:
其中,为高斯径向基函数中的核半径;
步骤4:将待配目标样品的XYZ值输入步骤3训练好的LS-SVM函数模型,计算得到相应的油墨配方。
2.根据权利要求1所述的基于最小二乘支持向量机的胶印油墨配色方法,其特征在于:基于LS-SVM算法建立XYZ值到油墨配方非线性转换的LS-SVM函数模型的方法如下:
给定N个样本点{x i , y i },,其中,表示n维输入,,表示n维输出;引入非线性映射,将输入数据投影到高维特征空间,从而将低维非线性回归问题转化为高维特征空间中的线性回归问题,构造最优决策函数为:
其中,w为权重系数向量,h为高维特征空间维数,b为偏置量;
根据问题求解目标和结构风险最小化原则,(1)式满足如下条件:
用拉格朗日乘子法求解上述具有等式约束的二次规划问题,定义Lagrange函数为:
由(4)式可得对应矩阵方程如(5)式所示:
其中,选取核函数K为如(7)式所示的高斯径向基函数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212306.4A CN102799895B (zh) | 2012-06-26 | 2012-06-26 | 基于最小二乘支持向量机的胶印油墨配色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210212306.4A CN102799895B (zh) | 2012-06-26 | 2012-06-26 | 基于最小二乘支持向量机的胶印油墨配色方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102799895A true CN102799895A (zh) | 2012-11-28 |
CN102799895B CN102799895B (zh) | 2015-09-30 |
Family
ID=47198994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210212306.4A Active CN102799895B (zh) | 2012-06-26 | 2012-06-26 | 基于最小二乘支持向量机的胶印油墨配色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102799895B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499924A (zh) * | 2013-09-22 | 2014-01-08 | 浙江大学 | 加权的农药废液焚烧炉有害物排放达标控制系统及方法 |
CN105716995A (zh) * | 2016-03-18 | 2016-06-29 | 杭州电子科技大学 | 一种确定最佳印刷密度的方法 |
CN106770007A (zh) * | 2016-11-29 | 2017-05-31 | 中国石油大学(华东) | 一种针对最小二乘支持向量机模型的近红外光谱特征波长选择方法 |
CN107103181A (zh) * | 2017-03-27 | 2017-08-29 | 东华大学 | 一种基于最小二乘支持向量机的色纺纱配色方法 |
CN108345965A (zh) * | 2018-04-13 | 2018-07-31 | 魔金真彩网络科技(长沙)有限公司 | 一种基于大数据学习的涂料配色方法及系统 |
CN108875792A (zh) * | 2018-05-25 | 2018-11-23 | 魔金真彩网络科技(长沙)有限公司 | 一种基于机器学习的涂料修色方法及系统 |
CN109402924A (zh) * | 2018-12-28 | 2019-03-01 | 浙江理工大学上虞工业技术研究院有限公司 | 一种提高染色加工准确性的方法 |
CN111363402A (zh) * | 2020-04-09 | 2020-07-03 | 敬业(东莞)印刷包装厂有限公司 | 一种胶印用海螺珠红专色油墨 |
CN113469285A (zh) * | 2021-07-26 | 2021-10-01 | 上海大学 | 基于pso-lssvm的染料双拼配方预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008049175A1 (en) * | 2006-10-24 | 2008-05-02 | Katholieke Universiteit Leuven | High discriminating power biomarker diagnosing |
CN101275912A (zh) * | 2008-05-08 | 2008-10-01 | 中国农业大学 | 一种液体食品褐变检测方法 |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
-
2012
- 2012-06-26 CN CN201210212306.4A patent/CN102799895B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008049175A1 (en) * | 2006-10-24 | 2008-05-02 | Katholieke Universiteit Leuven | High discriminating power biomarker diagnosing |
CN101275912A (zh) * | 2008-05-08 | 2008-10-01 | 中国农业大学 | 一种液体食品褐变检测方法 |
CN101604151A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种用于印刷色彩的检测控制方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499924A (zh) * | 2013-09-22 | 2014-01-08 | 浙江大学 | 加权的农药废液焚烧炉有害物排放达标控制系统及方法 |
CN103499924B (zh) * | 2013-09-22 | 2015-12-23 | 浙江大学 | 加权的农药废液焚烧炉有害物排放达标控制系统及方法 |
CN105716995A (zh) * | 2016-03-18 | 2016-06-29 | 杭州电子科技大学 | 一种确定最佳印刷密度的方法 |
CN106770007A (zh) * | 2016-11-29 | 2017-05-31 | 中国石油大学(华东) | 一种针对最小二乘支持向量机模型的近红外光谱特征波长选择方法 |
CN107103181A (zh) * | 2017-03-27 | 2017-08-29 | 东华大学 | 一种基于最小二乘支持向量机的色纺纱配色方法 |
CN108345965A (zh) * | 2018-04-13 | 2018-07-31 | 魔金真彩网络科技(长沙)有限公司 | 一种基于大数据学习的涂料配色方法及系统 |
CN108875792A (zh) * | 2018-05-25 | 2018-11-23 | 魔金真彩网络科技(长沙)有限公司 | 一种基于机器学习的涂料修色方法及系统 |
CN109402924A (zh) * | 2018-12-28 | 2019-03-01 | 浙江理工大学上虞工业技术研究院有限公司 | 一种提高染色加工准确性的方法 |
CN109402924B (zh) * | 2018-12-28 | 2021-06-25 | 浙江理工大学上虞工业技术研究院有限公司 | 一种提高染色加工准确性的方法 |
CN111363402A (zh) * | 2020-04-09 | 2020-07-03 | 敬业(东莞)印刷包装厂有限公司 | 一种胶印用海螺珠红专色油墨 |
CN113469285A (zh) * | 2021-07-26 | 2021-10-01 | 上海大学 | 基于pso-lssvm的染料双拼配方预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102799895B (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799895B (zh) | 基于最小二乘支持向量机的胶印油墨配色方法 | |
CN101604151B (zh) | 一种用于印刷色彩的检测控制方法 | |
CN102729612A (zh) | 一种胶印专色油墨多目标优化配色方法 | |
CN107103181A (zh) | 一种基于最小二乘支持向量机的色纺纱配色方法 | |
CN104572911A (zh) | 一种纺前着色纤维测配色方法 | |
CN105069234B (zh) | 一种基于视觉感知特征的光谱降维方法及系统 | |
CN102521650B (zh) | 一种基于粒子群优化的专色油墨配色方法 | |
CN108872156B (zh) | 一种基于光谱反射率倒数的油墨组份比例预测方法及设备 | |
CN109523600B (zh) | 一种文物保护修复补配色方法 | |
CN100585635C (zh) | 孟塞尔色彩模型计算机可视化方法 | |
CN104410850A (zh) | 一种彩色数字影像色度校正方法及系统 | |
CN104062010B (zh) | 一种优化定标算法的分光光源颜色照度测量仪器 | |
CN108875792A (zh) | 一种基于机器学习的涂料修色方法及系统 | |
CN107389194B (zh) | 基于色卡的开放光环境下颜色高保真数字成像系统 | |
CN202471251U (zh) | 自动化配色系统 | |
CN104742517B (zh) | 一种颜色自由采集配色装置 | |
CN204479931U (zh) | 实木地板油漆计算机配色系统 | |
CN110222376B (zh) | 一种半透明材料的计算机配色方法 | |
CN113189031A (zh) | 松香色度标准块量值溯源方法及装置 | |
CN113119447B (zh) | 一种彩色3d打印色彩空间转换的方法 | |
Zhang et al. | Design of Optimal Color Scheme for Opaque Products Based on Nonlinear Programming Model | |
Chuan et al. | Research on color space transformation model between RGB and L* a* b* based on BP neural network | |
Bai et al. | Research on the spot color matching system based on ink volume | |
CN101750147A (zh) | 一种测量待测物件色彩光谱数据的方法及装置 | |
CN108287135A (zh) | 一种电子标准色卡的建立方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB02 | Change of applicant information |
Address after: Jinshan Development Zone of Cangshan District of Fuzhou City, Fujian province 350007 Gold Road No. 136 Applicant after: Hongbo Co., Ltd. Address before: Jinshan Development Zone of Cangshan District of Fuzhou City, Fujian province 350007 Gold Road No. 136 Applicant before: Fujian Hongbo Printing Co.,Ltd. |
|
COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: FUJIAN HONGBO PRINTING CO., LTD. TO: HONGBO CO., LTD. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |