[发明专利]基于动态偏差图神经网络的颜色色域映射方法

说明书

基于动态偏差图神经网络的颜色色域映射方法，包括下列步骤：1)印染打印机颜色样本采集；2)从XYZ到CMKY颜色空间偏差映射图神经网络构建与训练；3)基于掩码的粗粒度局部映射强化；4)针对特定机器的图神经映射网络调整优化；5)基于掩码的特定机器局部映射强化；6)从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。通过上述步骤建立的基于动态偏差图神经网络的颜色色域映射方法，通过将动态偏差引入神经网络，从大量采集的印染样本中学习出印染打印机颜色空间到标准颜色空间间颜色映射的同时，实现印染打印机颜色空间到标准颜色空间间颜色的精准映射。

技术领域

本发明属于颜色映射领域，针对当前颜色空间不均匀、印染打印机与标准颜色空间CIE XYZ中颜色映射不精准的问题，提出了基于动态偏差图神经网络的颜色色域映射方法，利用深度模型的能够从大量样本中学习非线性转换的能力，通过采集大量打印机颜色空间颜色样本，并通过不同打印机打印，颜色测量仪器测量，获得大量颜色映射样本对的基础上，结合不同印染打印机的差异性以及不同时间同一印染打印机的差异性，构建动态偏差图神经网络，完成了标准颜色空间颜色与不同印染打印机颜色间的精准映射。

背景技术

随着深度学习技术的快速发展，深度模型在计算机以及交叉领域取得了一系列突破性的进展。在深度学习领域，图神经网络在空间映射方面取得了一些进展：诸如文献1(Xin Gao,Zhenjiang Liu,Zunlei Feng,Chengji Shen,Kairi Ou,Haihong Tang,MingliSong，Shape Controllable Virtual Try-on for Underwear Models，ACM Multimedia2021)中采用图神经网络实现了服饰关键点在平铺服饰与人体穿衣服饰间的映射；文献2(Wang N,Zhang Y,Li Z,et al.Pixel2Mesh:Generating 3D Mesh Models from SingleRGB Images[C]//European Conference on Computer Vision.Springer,Cham,2018)中通过图神经网络解决图像到3D mesh顶点间的映射，实现了单张图片到三维网格的重建。当前的图神经网络已经在诸多领域验证实现不同空间的映射是有效可行的，然后基于图神经网络的颜色色域映射工作较少，主要原因在于不同印染打印机、同一打印机不同时间段印染颜色呈现具有偏差性。

在颜色色域映射方面，现有的颜色色域映射方法主要包含两大类：图像相关的动态颜色色域映射方法、固定的颜色色域映射方法。图像相关的动态颜色色域映射方法主要考虑图像中颜色值的特性，实现针对该图像颜色转换的误差化最小，该类方法需要结合图像颜色特点，动态调整颜色空间间颜色点的映射关系，能够获得较好的颜色呈现效果，但处理时间较慢，不适用于大规模推广。固定的颜色色域映射方法主要包含三类：物理转换模型、数值量化转换模型、3D LUT法。物理转换模型一般会假定颜色通道相互独立、色度恒定、颜色空间均匀等条件，但人眼在观察真实颜色时，色差并不是均匀的；数值量化转换模型通过数值模型学习设备相关颜色空间与设备无关颜色空间的转换关系，数值模型主要有多项式回归法、神经网络法、连续线性插值法、径向基函数法等几种，例如，文献3(宋明黎,盛楠,冯尊磊,等.基于图像色块用于纺织品喷墨印染的颜色一致性映射方法:,CN110418030A[P].2019)采用RBF神经网络实现了印染机CMYK到显示器RGB颜色空间间的映射，然而RBF有限的学习能力限制着颜色映射的精准度，同时该工作并未考虑不同机器、不同时间颜色的偏差性。3D LUT法将设备无关颜色空间和设备相关颜色空间之间的转换关系建立在表中，3D LUT法的精确性主要依赖于测量的颜色数量与颜色转换时选择的插值方法。此外，部分欧洲公司实现了颜色空间中多点间的颜色映射，获得了较好的精准度，然而因商业隐私，所采用技术并未公开，技术路线不详。

发明内容

本发明要解决不同打印机、同一打印机不同时间印染颜色呈现偏差的问题，实现印染打印机颜色空间到标准颜色空间间颜色的精准映射。