[发明专利]基于动态偏差图神经网络的颜色色域映射方法

权利要求书

1.基于动态偏差图神经网络的颜色色域映射方法，包括如下步骤：

1)印染打印机颜色样本采集；

印染打印机颜色样本的采集包含不同印染打印机颜色样本采集与同一个印染打印机不同颜色采集，采集P个印染打印机的样本，每个印染打印机采集Q次；对于每台印染打印机的C、M、Y、K四个颜色通道，每个通道单次采集T个颜色点，分别以墨量为中心点，以(-d％,d％)为扰动采样区间，四个通道通过组合获得T⁴个颜色样本点；对于P个印染打印机，通过每个印染打印机采集Q次，共获得P*Q*T⁴个颜色样本点；对于印染的样本，通过颜色测量仪i1Pro2测得所有样本点CIE XYZ颜色空间对应颜色点；

2)从XYZ到CMYK颜色空间偏差映射图神经网络构建与训练；

针对每台印染打印机的Q次颜色点采样，依据C、M、Y、K的顺序，按照每个通道里墨量的大小排列，获得T⁴*4的颜色值矩阵D，与其对应的CIE XYZ颜色空间的颜色值矩阵为S，并依据C、M、Y、K四色空间中的邻接关系，构建T⁴个特征点的邻接矩阵A；利用图卷积网络H^l+1＝σ(AH^lW^l)对输入颜色值矩阵S进行三层卷积操作获得预测输入O＝H³，其中H⁰＝S,σ为ReLU激活函数；利用如下偏差映射损失函数L₁，获得针对所有样本的偏差映射关系：

其中e为颜色偏差的阈值，O_i与D_i为第i行样本颜色值；对所有样本通过R次迭代获得初步的颜色映射网络；

3)基于掩码的粗粒度局部映射强化；

对于构建的T⁴节点的图神经网络，通过在R次迭代中逐步随机掩码掉10％，20％，30％，40％，50％，60％，70％，80％，90％，95％的样本点，利用图卷积网络H^l+1＝σ(A′H^lW^l)对M掩码后输入颜色值矩阵S进行三层卷积操作获得预测输入O′＝H³，其中A′为掩码后的邻接矩阵,H⁰＝mS，m为随着迭代次数增加的随机掩码，随机掩码的逐步增加比例在R次迭代次数中平均逐步分布，对于获得掩码输入O′，利用掩码后粗粒度局部映射强化损失函数L₂进行训练：

其中|m|为掩码后保留的颜色样本点；

4)针对特定机器的图神经映射网络调整优化；

对于步骤2)获得的初步颜色映射网络，对于特定的机器，利用采集的Q个样本，通过随机对输入颜色值增加[-u,u]的微量扰动，来增加网络的抗噪能力，利用如下特定精准映射损失函数L₃：

在前R′次迭代优化中，利用增加噪声扰动的颜色样本进行网络的训练，接着在后续R′次迭代优化中，利用未加噪声扰动的颜色样本进行网络的训练，获得针对特定机器的XYZ-CMYK精准颜色映射网络；

5)基于掩码的特定机器局部映射强化；

对于步骤4)中获取的XYZ-CMYK精准颜色映射网络，通过在前R′/2次与后R′/2次迭代中分别随机掩码掉90％、95％的样本点，利用图卷积网络H^l+1＝σ(A′H^lW^l)对M掩码后输入颜色值矩阵S进行三层卷积操作获得预测输入O″＝H³，其中A′为掩码后的邻接矩阵,H⁰＝mS，m为随着迭代次数增加的随机掩码，对于获得掩码输入O′，利用掩码特定机器局部精细映射强化损失函数L₄进行训练：

其中|m|为掩码后保留的颜色样本点；

6)从CMYK到XYZ颜色空间的映射；

通过将CMYK为颜色输入样本点，XYZ为输出颜色样本点，构建CMYK到XYZ映射的颜色空间偏差映射图神经网络，实现CMYK到XYZ颜色空间的映射；

7)基于局部范围匹配的颜色色域映射；

在实际的应用中，实现颜色值的映射需要对输入颜色域进行粗粒度的匹配，对于输入的CMYK颜色值，需要匹配到T⁴个图节点中墨量以内的图节点，对于输入的XYZ颜色值，需要匹配到T⁴个图节点中以内色差值的图节点，对于不需要映射的颜色值点，设置掩码为0，通过以上方式实现CMYK到XYZ的颜色双向映射。