[发明专利]一种建立书画纸输出质量预测模型的方法

权利要求书

1.一种建立书画纸输出质量预测模型的方法，其特征在于，包括以下步骤：

S1：测量书画纸表面性能参数：参数包括多种书画纸的粗糙度X₁、白度X₂、不透明度X₃、定量X₄、光泽度X₅，共采集n份书画纸，第1～m份作为训练样本A，第m+1～n份作为测试样本B；

S2：测量书画纸表面帘纹参数，包括深浅和密度，所述深浅是指灰度图中明暗条纹的平均明度差值ΔL，所述密度是指每厘米内帘纹的数量；

S3：在MATLAB环境下建立总变差模型，数学模型如下：式中q以p点为中心的一个正方形区域内所有像素点的索引，g为高斯核函数，

S4：确定总变差模型参数中的σ值：对书画纸分别输出CMYRGB六色实地色块，利用相机在D65光源下采集色块图像，然后使用总变差模型进行去帘纹处理，求出每种书画纸最适空间尺度参数σ值，当σ范围为[0.01,1)时σ值变化步长设为0.01，当σ范围为[1～8]时σ值变化步长设为0.1，根据实际效果获得对应书画纸去纹理效果最优确定总变差模型参数的σ值；

S5：测量书画纸去帘纹处理后的色度值，并计算与标准设定值间的色差值eXact对色块进行多点采样，取测量均值，获得色度值，然后采用CIE 1976L*a*b*均匀色空间色差值计算公式：计算测量值与标准值间的色差值

S6：在MATLAB环境下建立GRNN预测模型：数据分为输入矩阵、输出矩阵、训练数据和测试数据，GRNN由4层组成，分别为输入层、模式层、求和层和输出层，其中模式层的神经元传递函数公式为其中，X为输入量，X_i为第i个神经元对应的学习对象；

S7：构建GRNN预测模型训练数据样本：包括输入值矩阵P_train和输出值矩阵T_train，所述输入值矩阵P_train是由经过S1和S2步骤采集得到的第1～m份书画纸的参数组成的矩阵，输出值矩阵T_train是由经过S5步骤后获得的第1～m份书画纸的色差值组成的矩阵；

S8：获得最优平滑因子，即SPREAD值：使用经过S1-S5构建的训练样本A对数据进行训练，借助MSE函数，得到预测模型的最优平滑因子SPREAD值：根据经验值设定最优平滑因子SPREAD值区间为1～10，步长设定为0.1进行训练，并实时计算训练样本A和测试样本B随SPREAD值增加而变化的均方误差，均方误差最小时的SPREAD值即最优平滑因子；

S9：验证预测准确性：使用第m-n份书画纸的表面参数与色差值构建测试样本B，以验证该模型精度，色差值处于0.0～1.5即为模型精准度合格。

2.根据权利要求1所述的建立书画纸输出质量预测模型的方法，其特征在于：在所述步骤S1中，参数中书画纸的不透明度X₃通过白度仪测量，将纸样重叠若干层至不透明为止，测量其反射率R_∞，计算得出纸样的不透明度，所述粗糙度X₁与定量X₄测量结果为三次重复测量数据的均值。

3.根据权利要求2所述的建立书画纸输出质量预测模型的方法，其特征在于：在所述步骤S2中,测量环境处于D65标准光源条件下，由统一参数的相机采集，相机参数光圈、色温、色空间设置统一，多种纸样与相机保持相同距离，将采集到的书画纸表面图像转换为灰度图，测量书画纸表面帘纹中明暗纹理的中心点明度值ΔL值，分别测量每种纸样中心与四角共五处的明度差值ΔL，即五点取样法，所得均值表示最终书画纸帘纹的深浅程度。

4.根据权利要求3所述的建立书画纸输出质量预测模型的方法，其特征在于：在步骤S5中,测量方法为：对经总变差模型去除纹理后，对色块进行多点采样，取测量均值，然后根据GB/T 7705-1987中所规定的印刷品色差衡量标准，采用CIE 1976L*a*b*均匀色空间色差值计算公式：计算测量值与标准值间的色差值。

5.根据权利要求4所述的建立书画纸输出质量预测模型的方法，其特征在于：在步骤S7中，训练数据正式进入GRNN模型中进行训练时，对数据进行归一化处理。