نویسندگان
چکیده
در این پژوهش کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی پرسپترون با سه‌لایه‌و چهارلایه و الگوریتـم آمـوزش پس‌انتشار خطا برای پارچه های پلی‌استر رنگی انجام شد. نتایج نشان می‌دهد که اگر نمونه‌های آموزشی به‌صورت تصادفی انتخاب شوند، جوابهای مناسبی به دست نمی‌آید. لیکن استفاده از نمونه‌های آموزشی انتخابی برای مشخصه های L*a*b* یا RGB منجر به جوابهای مناسب می‌شود. هرچند نتایج نمونه‌های انتخابی از L*a*b* بهتر است.همچنین اختلاف رنگ بین XYZ محاسباتی و XYZ واقعی برای نمونه‌های مجهول نه تنها با نتایج روش رگرسیون با چند جمله ایهای مختلف قابل مقایسه است بلکه نسبت به تحقیقات قبلی انجام شده در زمینه کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی نتایج بهتری را نشان می دهد
کلیدواژه‌ها
عنوان مقاله [English]
Colorimetric Scanner Calibration for Textiles by Neural-Network
نویسندگان [English]
- H. Izadan
- S. A. Hosseini
- and M. Ashori
چکیده [English]
In this study, colorimetric calibration of scanner has been done via perceptron neural network with three or four layers by back propagation algorithm for colored polyester fabrics. The results obtained for random training samples are not satisfactory but application of selective training samples for L*a*b* or RGB leads to good results, with better results obtained for the L*a*b* method. On the other hand, the color differences between calculation XYZ and real XYZ for unknown samples, are not only in agreement with the results of polynomials and regression methods, but are also better than the results obtained in previous studies where neural networkhad been used for colorimetric calibration of scanner.
کلیدواژه‌ها [English]
- Scanner
- Colorimetric calibration
- Perceptron neural network
- Selective training samples
)