《判别颜色感觉的人工神经网络方法.pdf》由会员分享，可在线阅读，更多相关《判别颜色感觉的人工神经网络方法.pdf（3页珍藏版）》请在三一文库上搜索。
1、第2 6 卷第l 期 2 0 0 5 年2 月 纺织学报 J o u m a lo f7 r e x t i l eR e s e a r c h V 0 1 2 6 N o 1 F e b 2 0 0 5 判别颜色感觉的人工神经网络方法 陈雁，李栋高 ( 苏州大学材料工程学院，江苏苏州2 1 5 0 2 1 ) 摘要尝试用人工神经网络技术对颜色的分类和判别问题进行研究。在讨论K o h o n e n 网络的结构与工作原理的 基础上，构作了用于颜色分类的网络。此网络能反映颜色感觉的差异，与数学方法给出的结果一致。 关键词颜色；颜色感觉；人工神经网络；K 0 h o n e n 网络 中图分类
2、号：偈1 9 3 1文献标识码：A文章编号：0 2 5 3 9 7 2 l ( 2 0 0 5 ) 0 l 一0 0 6 4 0 3 A r t i 6 c i a ln e u r a Jn e t w o r km e m o df o rm ec o l o rp e r c e p t i o nm 仃e r e n t i a t i 蚰 C H E NY a n ，UD o n g g a o ( b o Z o ，肘n 把蒯E ，画， ，l g ，S 0 0 c 矗觇r s 妙，阮航，胁，咿M2 1 5 0 2 1 ，吼抚口) A b s t r a c t T h em e 山
3、o d so fc o l o rc l a s s i f i c a t i o na n dd i 饪各r e n t i a t i o n b ym e a I l so f 枷f i c i a ln e u r a ln e t w o r k sw a ss t u d i e d ，a n dt l l e n c o n s t n l c t e dt l l en e t w o r k st oc l a s s “，c o l o ra c c o r d i n gt ot h eK o h o n e nn e t w o r k ss t u c t u r
4、ea n di t s w o r kp f i n c i p l e T h e s en e t w o r k ss h o w t l l ec o l o rp e r c e p t i o nd i 珏e r e n t i a t i o n ，a n di tw a sc o n s i s t e mw i t l lt h er e r I l l t sg i v e nb ym a 山e m a l i c a lm e t I l o d s K e yw o r d sc o l o r ；c o l o rp e r c e p t i o n ；a r t
5、证c i a ln e u r a ln e t w o r k ；K 0 h o n e nn e t w o r l 【 人工神经网络属于人工智能系统，是在模拟人 类神经系统的基础上建立起来的，它的组织结构和 工作原理与人的神经系统有着极大的相似性，能够 模拟人的学习、记忆和推理功能。神经网络是一种 矢量拓扑结构的并行动态系统，它可通过对输入状 态施加影响来获得信息u 1 。而感觉对颜色分类和判 别的过程实际上就是对大量的、非线性的有关颜色 信息进行认识、感受和表达的过程，是人的视觉神经 系统对外界颜色刺激的映射过程。构建适当的网络 结构，就可用人工神经网络系统来模拟这个进程。 l K o
6、 h o n e n 网络的原理与结构 人工神经网络中最简单的自组织系统 K o h o n e n 网络是在模拟人的视网膜及大脑皮层对刺 激的反应基础上建立起来的，可以完成对数据的分 类旧J 。K o h o n e n 网络只有2 层结构，如图1 所示。网 络系统分成输入层和输出层：输入层模拟视网膜神 经元，接收外界的信息；输出层( 竞争层) 模拟大脑皮 层神经，形成对外界刺激的感觉和认识。2 层之间 实现全连接，输出层的每个神经单元对输入层每个 神经元传递过来的信息均会产生响应，这种响应相 互间会形成竞争，对输入模式响应最大的单元为竞 争胜利单元，它会提供输出，其它单元则没有输出。 所有
7、的输入模式的综合就形成了网络的总体 输出“。 神经元 圈1K o h o n 网络示意图 输出 K o h o n e n 神经网络能够发现数据中的类似性，可 以自动地对输入模式进行分类。与其它的统计方法 不同，K o h o n e n 网络对数据不作假设，是在保持数据 结构及相互关系的基础上减少数据的维数，可以在 任何无数据信息的情况下自行判断数据的规律。与 统计分析方法相比，是一种更新的、更有效的数据处 理的工具。 网络的输入与输出单元之间以权重( 又称为权 系数) 形连接。对于有尼个输入，而个输出的人工 神经网络系统，就会形成一个n 矗的权重矩阵， E ，为连接第i 个输入和第f 个输
8、出的权重系数。在 网络学习过程中，竞争胜利的单元，权重得到修正， 作者简介：陈雁( 1 9 5 6 一) ，女，汉，副教授，博士。主要从事服装工程系统、服装材料性能和感性工程等的研究。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 2 0 0 5 年第1 期纺织学报 【6 5 】 其它单元的权重则没有变化。权重的变化量由下式 得出： 矾i ( ) = 卢 置( f ) 一矾( f ) 式中，耽为权重修正量，职为原来的权重，卢为学 习速率，置为第i 个输入信号，t
9、 为网络学习过程中 的迭代次数。修正后的权重值为： ( f + 1 ) = ( ) + ( f ) 修正后的权重值与原输入信号就构成了单元新 的输入信号： K ( + 1 ) = ( f + 1 ) 玛 每一次循环，网络都会对新的输入信号重新开 始学习，权重系数的修正量随着学习循环的增加而 变小。当权重系数的修正为O 时网络就完成学习 过程1 。 圈2K o h o n e n 人工神经网络系统结构 图2 为利用N e u f m m e 人工神经网络系统构作的 K o h o n e n 网络结构图。 2K o h o n 蚰网络的分类结果 构作网络的输入结点数必须根据具体的问题而 定，本文
10、用K o h o n e n 网络根据测得的物理测试指标 值。、口+ 、6 。对颜色进行分类，因此输入结点数为 3 。网络的输出根据所需要的分类数而定。 本文在标准色卡上选择3 0 种颜色，其中1 5 种 颜色由5 种颜色( 灰、蓝、红、黄、绿) 和3 种饱和度组 成，其它为任意选取。以喷墨转移印花的方法，在涤 纶缎纹织物上获得所需的颜色。采用u N I V E R S A L 测色仪，在c I E 标准光源D 6 5 照射下，根据“c I E l o o 标 准观察者的方法”，对3 0 种颜色的织物试样进行了 测试。表1 为测得的3 0 种颜色的c M Y K 值和 L 。、口。、6 + 值
11、。 网络的初始学习速率卢为0 3 ，随着学习过程 的进行，逐渐下降。相邻单元的初始距离设置为 0 6 ，随着学习过程的进行，逐渐缩小“。 表l 试样颜色的C M Y K 色标及L 。、口。、6 值 编号 3 0 嫩黄绿 6O 7 068 0 4 91 0 7 45 2 3 5 2 3 4 5 6 7 8 9 m屹”H撕“掩侈殂鸵M巧；乌刀丝捞 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【6 6 】 纺织学报2 0 0 5 年第1 期 一般，K o h o n
12、 e n 网络的输出以网格的形式来表 示，归为一类的颜色会在同一个网格中出现。为了 观察不同分类数条件下网络的输出结果，将网格数 设置为2 2 ，2 3 ，3 3 ，4 4 四种。图3 为网络根 据颜色的三+ 、口+ 、6 值对3 0 种颜色试样进行分类 的结果。 l Ol l1 231 6 2 0 1 41 51 72 12 2 2 32 73 0 l24 561 3789 2 42 52 61 81 9 2 82 9 ( a ) 2 2 网格 1 4 1 51 l1 289 一 2 71 73 0 1 8 1 9 1 1 02 37 1 3 45 231 6 2 0 62 52 42 62
13、 l2 2 2 82 9 8 91 l 1 2 一 1 81 91 73 0 71 01 3 232 l 1 41 52 3 2 42 62 9 2 7 1 6 2 0 l 4 5 2 l6 2 5 2 8 ( b ) 2 3 网格 451 41 l1 2 11 3一1 5 62 8 2 7 1 73 0 2 4l O 2 52 3 2 67 2 2 91 9 31 689 2 2 2 12 0 1 8 ( c ) 3 3 网格( d ) 4 4 网格 只要在上述颜色中增加新的颜色试样，重新运行网 络，就可以得出新加入的颜色所属的类别。 3结论 从K o h o n e n 网络所给出的分类结
14、果可以归纳以 下几点： 1 ) 人工神经网络中的自组织K o h o n e n 系统用于 颜色分类是一种快捷、方便的方法，根据颜色的物理 特征值进行分类得出的结果与颜色的感觉效果非常 一致，同时与用数学方法得到的分类结果也有较高 的相似性。 2 ) 网格数的多少会影响分类的结果，过少的分 类数会使不同特征的颜色无法区分开来。从不同网 格结构给出的分类结果可以发现，对于本文所涉及 的3 0 种颜色分类问题，2 3 以上的网格结构基本 上就能够满足颜色区分的需要。 参考文献： 1 张际先，宓霞神经网络及其在工程中的应用 M 北京：机械 工业出版社。1 9 9 6 2 杨行峻，郑君里人工神经网络
15、M 北京：高等教育出版社， 注：带下划线颜色试样为该网格中最接近中心的颜色 1 9 9 2 图3 不同网络结构的分类结果 3 张立明人工神经网络的模型及其应用 M 上海：复旦大学 出版社，1 9 9 3 用K o h o n e n 网络对颜色进行判别也非常简单， 4 N e 血m e M s o u t h a m p t o m ：u I a lc o m p u t e rs c i e n c e ，1 9 9 4 ( 上接第5 5 页) 由图2 还可看出，2 织物回归方程的斜率和相 关性高于1 。织物，这表明2 织物中长丝的热收缩 能力能得以充分施展。现定义：= ( 同一系列不同 拉
16、伸倍数织物的收缩率之差同一系列不同拉伸倍数 长丝收缩率之差) ，则2 织物值均明显高于l 织 物，可根据表2 数据的计算得知。显然，织物结构的 紧密性对长丝收缩产生至关重要的影响。 5结 论 P B T ，P E T 复合纤维具有特殊的结构，因而具有 普通化学纤维所缺乏的高收缩性能和特殊的收缩规 律。用此种复合纤维制成的织物可获得高收缩弹性 和蓬松性。而P B T P E T 复合纤维的收缩率取决于织 物结构，组织结构稀疏时热湿收缩率高，纤维收缩性 的利用率高，结构紧密的织物则呈相反的收缩规律。 若先对纤维实施收缩处理或在针织物中引入回弹机 制，则该类纤维的回缩弹性将能得到充分释放。 参考文献
17、： 1 姚穆，周锦芳，黄淑珍，等纺织材料学 M 第2 版北京：中 国纺织出版社，1 9 9 6 2 胡祖明，刘兆峰涤纶的收缩率及影响因素 J 合成纤维， 1 9 9 8 ，2 7 ( 3 ) ：1 2 一1 5 3 余振浩合成纤维卷曲的理论与实践 M 北京：纺织工业出 版社，1 9 8 2 4 马新敏，于伟东弹性聚酯纤维应用中的问题与分析 J 纺 织导报，2 0 0 3 ，( 6 ) ：8 8 9 2 5 T b m 鹊i n iM P B T _ av 。r y8 p e c i a lp o l y e s t e r J c h e m i c a lF i b e r s I n t
18、e m a t i o n a l 。1 9 9 7 ，4 7 ( 1 ) ：3 0 3 1 6 马新敏新型聚酯类纤维及其织物的结构与性能研究 D ： 硕士论文 上海：东华大学，2 0 0 4 7 J u r gR ，A n d r e aB Y 删s 卸df h 晡c 8c o n t a i n i “ge l 酗t 锄e J I n t e r T e x t i l eB u l l e t i n ，1 9 9 9 ，4 5 ( 1 ) ：1 0 一3 0 8 曾凡龙，金惠芬，孙桐P B T ，P E T 共聚酯纤维的结构性能 J 合成纤维，1 9 9 l ，( 5 ) ：5 9 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark