导读:本文包含了专色配色论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:油墨,理论,算法,神经网络,计算机,粒子,在线。
专色配色论文文献综述
樊丽娜[1]（2018）在《基于GRNN神经网络的凹印专色配色模型研究》一文中研究指出目的针对目前专色配色的现状,建立基于GRNN神经网络的凹印专色配色模型,以实现计算机配色。方法参照孟塞尔色相环将颜色空间分区,调配专色墨色样获得训练样本,并使其均匀分布在孟塞尔色谱中。分析广义神经网络的优势和凹印专色配色的特点,尝试基于GRNN神经网络构建凹印专色配色模型。采用Matlab进行仿真训练,并借助MSE函数确定平滑因子SPREAD的值,最后用检验样本的目标色和配出色的色差来检验配色模型的精度。结果通过网络仿真,确定当SPREAD为6.4时,测试样本的MSE值最小。由此确定配色模型,配出的40组色样和目标色的平均色差值为2.45,且97.5%的样本色差值小于6。结论基于GRNN神经网络的凹印专色配色模型精度较高,可用于计算机配色。(本文来源于《包装工程》期刊2018年07期）
折小燕[2]（2017）在《凹印专色配色系统开发》一文中研究指出专色配色印刷在凹版印刷中的应用,一直以来是人们研究的重点,然而在我国自动计算机配色系统并未普及,多数工厂的专色配色依然依靠人工经验,主要原因在于自主研发国内配色系统不能满足生产需求,而国外配色系统在国内的局限性又太强。也曾有学者采用蒙版方程对该配色系统模型的做过修正研究,并将系统升级为2.1版本,然而由于蒙版方程在配色精度上存在的较大不足,并不能满足配色精度的要求。模型的选择则显得尤为重要,也是论文的核心部分,它主要用来建立与印刷墨量之间的关系,此类数学模型的代表有纽介堡方程以及与它同时期存在的蒙版方程,然而它们也都在精度方面存在着一定的缺陷,在专色印刷中更无法确保配色的精度,蒙版方程同样也不能达到生产要求。至于Kubleka-Munk理论,到目前为止已被做到了相对较好的程度,但并不是所有效果都一致。因此,本课题致力于扩大适用于国人的印刷配色系统,提出的数学模型是结合比尔-朗博定律和色度计算方法,是基于光谱反射率匹配无条件配色方法,并推导得出数学配色模型。主要研究工作及成果包括以下几点:(1)利用比尔朗伯定律的普遍方程,推导得出光谱反射率的公式;(2)结合光谱配色方式,创建了专色油墨计算机配色数学模型,并给出了配色模型的求解的步骤,最终得出了油墨配色求解公式;(3)选取CIEDE2000作为色差分析公式,并测量Pantone样条作为数据库基础数据;(4)建立了凹印专色配色基础数据库,并开发得到配色系统2.2版本;本文得出的新模型下的凹印配色系统,为建立专属中国印刷企业的高精度配色系统奠定坚实的基础。(本文来源于《西安理工大学》期刊2017-06-30）
张亚楠[3]（2016）在《柔版专色印刷油墨配色理论与技术研究》一文中研究指出目前大多数小型印刷厂的油墨配色仍然是以人工配色作为其主要的配色方式,人工配色对配色师有很大的依赖性,而且配色周期长,油墨浪费现象严重。现阶段对计算机配色的研究主要是以KM理论和纽介堡方程为主。但是它们存在一些缺点:基于纽介堡方程的配色算法的配色精度较差;基于KM理论的油墨配色算法配色精度比较高,广泛应用于配色软件中,但是其配色过程中涉及大量的矩阵运算,而且配色过程中需要测量每种油墨和基底的光谱反射率,通常这种仪器价格都比较高,这对于一些小型的印刷厂来说,无疑造成了配色成本的增加。因此提出精度高成本低的油墨配色算法刻不容缓。本文首先对现在常用的油墨配色算法以及其修正方法做了实验验证,之后根据现有算法的一些缺点与不足,提出了将智能仿生算法应用到油墨配色中去。在智能仿生算法的选择上选用近几年应用非常广泛的BP神经网络,将其应用到油墨配色中去,由于初始化的权值和阈值对网络性能至关重要,所以采用遗传算法和粒子群算法分别对网络训练时初始的权值和阈值进行优化,这样BP神经网络在训练初期,不再使用随机地权值和阈值,从而改善了配色效果。本文取得的实验结果如下:(1)首先对基于KM理论和纽介堡方程的油墨配色算法进行实验验证。对基于新双常数KM理论的油墨配色算法进行实验验证。实验结果表明基于新双常数的配色精度可以满足印刷品对颜色精度的要求,但是经过分析可知道计算过程中涉及大量的矩阵运算,在循环逼近最优解的过程中,要经过多次迭代才能满足实验要求,运算过程比较复杂,而且实验过程中需要测量每种油墨和基底的光谱反射率,通常这种仪器价格比较高,这直接导致配色成本加大。对于一些没有该类设备的小型印刷厂来说无疑增大了对配色成本的投资。基于纽介堡方程的修正方法很多,在实验验证过程中分别对基于一阶线性回归修正、二阶曲线修正和指数修正的纽介堡方程的配色方法进行了实验验证。实验结果表明,基于一阶线性回归和二阶曲线回归修正的纽介堡配色方法的配色效果不能满足印刷品对颜色精度的要求,基于指数修正的纽介堡方程的配色方法可以满足印刷品对颜色精度的需要,但是它对色相的依赖性很强,即在同一色相下配色准确性很高,但是在不同色相下,配色准确性降低。因此在实际的生产应用中会使计算机配色系统变得比较复杂。(2)根据常见的配色算法存在的缺点与不足,本文提出使用BP神经网络对配色算法进行改进。选用五种改进的BP神经网络进行油墨配色,这五种配色方法结果虽有差异,但是基本上都能满足印刷品对颜色精度的要求。其中,BFGS拟牛顿算法的配色效果最好。只是在最初训练时,BP神经网络的初始权值和阈值是随机确定的,而初始权值和阈值的选择对网络性能至关重要,尤其对网络的稳定性至关重要。(3)根据上述原因,使用遗传算法和粒子群算法对BP神经网络分别进行优化,它们的优化原理实质上都是对训练初期的权值和阈值进行优化,在神经网络的训练初期不再使用随机的权值和阈值,而是使用优化后的权值和阈值。实验结果表明,优化后的BP神经网络的配色算法的配色效果要优于仅使用BP神经网络的配色算法。但是遗传算法优化的BP神经网络存在一个致命的缺点,就是训练时间比较长,这对于一些要求高效的企业来说是不允许的。粒子群算法克服了这一缺点,而且算法精确性和稳定性都可以满足实际生产的需要。(本文来源于《齐鲁工业大学》期刊2016-06-03）
张亚楠,林茂海,高新涛[4]（2015）在《基于改进的Kubelka-Munk理论的柔印专色配色模型》一文中研究指出由于基于Kubelka-Munk理论的柔印配色模型是针对染料配色提出的,因此当其应用于油墨配色时会产生配色误差,影响配色准确性。本文对基于Kubelka-Munk单常数和双常数理论的计算机配色模型进行改进,形成了一套适用于以水性油墨为印刷油墨,以瓦楞纸为承印材料的柔印专色配色模型。该模型通过使用IGT印刷适性仪打样获得样本数据,以叁刺激值匹配理论为基础,采用一系列数学计算得到初始匹配值,再通过多次迭代得到精确配方,完成配色模型的改进。实验结果表明,该配色模型可以快速完成柔印配色,结果准确、稳定,并且该配色模型符合绿色环保的要求,具有很好的应用前景。(本文来源于《2015第四届中国印刷与包装学术会议论文摘要集》期刊2015-10-23）
孟晶晶,吴丽彬,钱静[5]（2015）在《凹版印刷专色油墨配色模型研究》一文中研究指出如今,由于对印品颜色的再现度要求越来越高,因此显着地促进了专色印刷的应用。为了提高配色的精确性和实用性,本文采用Kubelka-Munk理论和改进的全光谱匀色空间权重因子法来建立两种配色模型,并介绍了两种模型的推导过程。其中,四色配色模型(C,M,Y,W)建立在叁色配色模型(C,M,Y)的基础之上。另外,本文采取色粉配色,并为此设计了新的实验步骤来得到配色的基础数据。利用MATLAB软件进行矩阵运算得出预测配方后,采用实验验证配色模型的精度和实用性。结果表明两种模型在专色配色中都具有较好的实用性。(本文来源于《2015第四届中国印刷与包装学术会议论文摘要集》期刊2015-10-23）
皮阳雪,龚海森[6]（2014）在《油墨配色软件调配专色墨实例》一文中研究指出经验配色法受配色者主观因素及其他客观条件的影响,配色质量难以保持稳定,油墨浪费较大,剩余油墨利用率低;配色只能定性而无法定量,不利于技术传播与交流。计算机配色系统集测色仪、计算机和配色软件于一体,将配色基础油墨的颜色数据预先储存在计算机中,无需烦琐而昂贵的反复试验流程,即可计算出配色所需油墨的混合比例,快速获取油墨配方。爱色丽Ink Formulation是业内常用油墨配色软件之一,能够根(本文来源于《印刷杂志》期刊2014年05期）
郭婷,田学军,黎厚斌,彭春雷,陈红艳[7]（2014）在《胶印专色油墨计算机配色实验研究》一文中研究指出使用X-Rite油墨配色软件Ink Formulation v6.0,选取PANTONE 297C专色作为目标色,通过实验获得配方并进行配方修正,采用胶印IGT印刷适性仪对油墨配方进行打样,最后用X-Rite Color quality 6.0进行色样的质量检测与分析,得出结论:所得配方与目标色色差ΔE在0.50~0.74范围内,计算机配色简单方便、准确可靠。(本文来源于《荆楚理工学院学报》期刊2014年02期）
姚志国[8]（2014）在《专色油墨配色系统在标签印刷领域的应用》一文中研究指出在标签印刷领域,专色通常代表品牌的识别色,所以,其色彩准确性是评价标签质量的重要指标之一。由于品牌设计的需要,除了专色色块以外,还有专色网线印刷,甚至有时候还会涉及专色之间的迭印。因此,专色印刷是标签印刷中一项非常重要的工作。现在,大部分标签印刷企业使用专色油墨的来源有两个途径:一是直接向油墨供应商采购成品的专色油墨;二是印刷企业的机长(本文来源于《印刷杂志》期刊2014年02期）
邢倍,周世生,罗如柏[9]（2014）在《基于LMBP神经网络的柔印专色配色模型研究》一文中研究指出目的针对柔印专色配色模型甚少问题,构建柔版印刷专色配色模型。方法以BP人工神经网络非线性、自学习等特点为基础,引入LMBP算法对传统的BP算法进行改进,从而构建柔版印刷专色配色模型,同时运用Matlab软件结合标准印刷测试版对模型进行训练。结果隐层节点为17的单隐层BP算法虽然也可达到预计要求,但隐层节点为8的单隐层LMBP算法精度更高,逼近效果更好。结论该柔版印刷专色配色模型符合精度要求,可以用于实践。(本文来源于《包装工程》期刊2014年03期）
林剑,孙武凤,阴金全,尹晓昱[10]（2013）在《基于粒子群优化算法的胶印专色油墨配色》一文中研究指出该文针对叁刺激值配色存在的不足,结合专色印刷的特点,提出了一种基于粒子群优化的专色油墨配色算法,用于解决算法中求解配方时矩阵运算存在的问题。为验证所提算法,实验通过随机选取已知配方的4组标准样品,与算法计算结果进行比较,结果表明:所有计算的配方经打样后得到的样品与标准之间的色差均控制在5以内,满足印刷行业标准要求。(本文来源于《杭州电子科技大学学报》期刊2013年04期）
专色配色论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
专色配色印刷在凹版印刷中的应用,一直以来是人们研究的重点,然而在我国自动计算机配色系统并未普及,多数工厂的专色配色依然依靠人工经验,主要原因在于自主研发国内配色系统不能满足生产需求,而国外配色系统在国内的局限性又太强。也曾有学者采用蒙版方程对该配色系统模型的做过修正研究,并将系统升级为2.1版本,然而由于蒙版方程在配色精度上存在的较大不足,并不能满足配色精度的要求。模型的选择则显得尤为重要,也是论文的核心部分,它主要用来建立与印刷墨量之间的关系,此类数学模型的代表有纽介堡方程以及与它同时期存在的蒙版方程,然而它们也都在精度方面存在着一定的缺陷,在专色印刷中更无法确保配色的精度,蒙版方程同样也不能达到生产要求。至于Kubleka-Munk理论,到目前为止已被做到了相对较好的程度,但并不是所有效果都一致。因此,本课题致力于扩大适用于国人的印刷配色系统,提出的数学模型是结合比尔-朗博定律和色度计算方法,是基于光谱反射率匹配无条件配色方法,并推导得出数学配色模型。主要研究工作及成果包括以下几点:(1)利用比尔朗伯定律的普遍方程,推导得出光谱反射率的公式;(2)结合光谱配色方式,创建了专色油墨计算机配色数学模型,并给出了配色模型的求解的步骤,最终得出了油墨配色求解公式;(3)选取CIEDE2000作为色差分析公式,并测量Pantone样条作为数据库基础数据;(4)建立了凹印专色配色基础数据库,并开发得到配色系统2.2版本;本文得出的新模型下的凹印配色系统,为建立专属中国印刷企业的高精度配色系统奠定坚实的基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
专色配色论文参考文献
[1].樊丽娜.基于GRNN神经网络的凹印专色配色模型研究[J].包装工程.2018
[2].折小燕.凹印专色配色系统开发[D].西安理工大学.2017
[3].张亚楠.柔版专色印刷油墨配色理论与技术研究[D].齐鲁工业大学.2016
[4].张亚楠,林茂海,高新涛.基于改进的Kubelka-Munk理论的柔印专色配色模型[C].2015第四届中国印刷与包装学术会议论文摘要集.2015
[5].孟晶晶,吴丽彬,钱静.凹版印刷专色油墨配色模型研究[C].2015第四届中国印刷与包装学术会议论文摘要集.2015
[6].皮阳雪,龚海森.油墨配色软件调配专色墨实例[J].印刷杂志.2014
[7].郭婷,田学军,黎厚斌,彭春雷,陈红艳.胶印专色油墨计算机配色实验研究[J].荆楚理工学院学报.2014
[8].姚志国.专色油墨配色系统在标签印刷领域的应用[J].印刷杂志.2014
[9].邢倍,周世生,罗如柏.基于LMBP神经网络的柔印专色配色模型研究[J].包装工程.2014
[10].林剑,孙武凤,阴金全,尹晓昱.基于粒子群优化算法的胶印专色油墨配色[J].杭州电子科技大学学报.2013
论文知识图
