关键词:
BP神经网络
显示器颜色特性化
K折交叉验证
海鸥算法
摘要:
为了保证显示设备的颜色显示准确性,在对显示设备进行色彩管理时,需要提高显示器颜色特性化精度。本研究提出一种基于海鸥优化算法(Seagull Optimization Algorithm,SOA)优化BP神经网络(SOA-BP)的显示器颜色特性化模型。首先,采用K折交叉验证方法确定BP神经网络最佳隐藏层神经元个数,建立显示器输入信号RGB值与显示颜色L^(*)a^(*)b^(*)之间转换的BP神经网络模型;然后,通过海鸥算法对BP神经网络的权值阈值进行优化,建立基于SOA优化BP神经网络的显示器颜色特性化模型;最后,对优化前后的神经网络模型进行训练与测试,并进行模型精度对比分析。在仿真实验中,海鸥算法优化BP神经网络预测模型测试10次得到的CIELAB色差△E_(ab)^(*)和CIE2000色差ΔE_(00)平均值分别为2.291和1.032,较优化前分别减少了31.79%和36.18%,且优化后的SOA-BP模型更稳定,说明本研究所建立的SOA-BP网络模型对显示器颜色特性化具有较高的预测精度和较好的稳定性,为印刷包装领域色彩管理颜色特性化提供了理论和实践的参考。