[发明专利]一种利用人工智能实现颜色对结构色设计的方法

说明书

本发明公开了一种利用人工智能实现颜色对结构色设计的方法，直接由所需要的颜色给出能够实现该颜色的微观结构，具体包括以下步骤：S1、输入所需要的颜色或颜色组合；S2、对各像素点的颜色进行分析得到颜色参数；S3、各点的颜色参数依次输入到训练好的串联神经网络中，串联神经网络通过已知的结构颜色联系给出能够获得该颜色的微纳结构的各参数。直接由所需要的颜色给出能够实现该颜色的微观结构，从而实现结构色的直接设计；生成足够数量能够支撑实际应用的结构色；实现简便、快捷、同时准确地得出微观结构所对应的颜色，克服实验、仿真方法耗费大量资源的缺点。

技术领域

本发明属于人工智能图像识别领域，具体涉及一种利用人工智能实现颜色对结构色设计的方法。

背景技术

结构色，来源于周期性的有序纳米结构，广泛存在于自然界中，是许多生物重要的功能组成部分。结构色是可见光与微观结构相互作用（衍射、反射或散射等）产生的颜色。相比于染料色彩，人工微结构材料具有可回收利用，易于制造和耐久性好等特点。同时，其次级衍射局域效应可以突破衍射极限，大大提高成像分辨率。通过改变材料表面的微结构可实现对光与材料相互作用的调控，从而产生所需要的结构色，实现超高分辨率图像的制作，并且可应用于制作用于安全性，信息隐写技术，纳米级光学滤波器和高密度光谱编码光学数据存储等的微图像。

目前微观结构所对应的具体颜色没有实用的数值方法可解，只能通过实验或者仿真方法得出。现有技术不仅无法直接由颜色直接设计结构，只能由结构测试得出颜色，并且该过程需要耗费数小时乃至数天。而有限次的实验或仿真只能得出有限的颜色，并且实验以及仿真的过程需要耗费大量的时间以及其他资源，因此目前已实现的结构色仅有数百种，难以支持实际使用。

发明内容

为解决上述技术问题，本发明提供一种利用人工智能实现颜色对结构色设计的方法。

本发明提供如下技术方案：

一种利用人工智能实现颜色对结构色设计的方法，直接由所需要的颜色给出能够实现该颜色的微观结构，具体包括以下步骤：

S1、输入所需要的颜色或颜色组合；

S2、对各像素点的颜色进行分析得到颜色参数；

S3、各点的颜色参数依次输入到训练好的串联神经网络中，串联神经网络通过已知的结构颜色联系给出能够获得该颜色的微纳结构的各参数。

进一步的，微纳结构采用硅纳米圆盘周期结构，改变结构的周期P，硅圆盘之间的间距G以及单个硅圆盘的直径D和高度H可得到不同结构色。

进一步的，颜色信息采用CIE 1931 颜色空间描述，包括x,y,Y三个参数。

进一步的，在步骤S2中，颜色参数的获得，利用图片读取程序可得到各像素点的RGB值，将RGB值带入色彩空间转换程序中，即可将相应的RGB值转换到CIE色彩空间，得到颜色参数x，y，Y，其中主要转换关系可表示如下：

。

进一步的，在步骤S3中，将步骤S2得到的各点的颜色参数x, y, Y组成一个三行一列的矩阵作为神经网络的输入层数据，网络采用全连接结构，包含输入层、中间层以及输出层，各层各结点之间由权值联系，利用训练过程中所确定的权值计算下一层输出，

O = Relu（W·I + B）

式中，O表示输出，I表示输入，Relu为所用的激活函数，W为权重，B为偏置，每一层的输出为下一层的输入，最终可计算出输出层矩阵的值，即为所需要的微纳结构参数。

进一步的，步骤S3中神经网络训练，采用深度学习的方法，将已有的结构色数据集输入到神经网络进行训练，利用网络来模拟微观结构的成色过程，通过深度学习得出结构与颜色之间的精确联系，并且通过串联网络实现直接由颜色对结构的设计。