Решение обратной задачи прогнозирования цвета с помощью ИНС для цифровых репродукционных систем
Аннотация
Данная работа посвящена применению подхода искусственных нейронных сетей для решения обратной задачи предсказания рецептур цвета из спектральных коэффициентов отражения на цифровой печатной машине стандартным набором чернил CMYK.
Цель данной работы: исследование применения ИНС к решению обратной задачи прогнозирования цвета в случае стандартной печати CMYK красителями.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Ознакомление с существующими моделями прогнозирования цвета.
2. Разработка плана проведения эксперимента нейросетевого прогнозирования цвета на оттиске.
3. Определение минимального объёма тренировочного выборки и минимальной конфигурации (числа нейронов в скрытом слое) при сохранении приемлемой точности прогноза.
4. Оценка эффективности прогнозирования нейросетевого алгоритма.
Разработка и внедрение методики прогнозирования цвета на оттиске в технологическую цепочку допечатной подготовки заказа цифровой печати позволит оценить точность репродуцирования до печати цветопроб и уменьшить величину цветового различия оригинала и репродукции. Потому разработка алгоритма основанного на ИНС для решения обратной задачи является актуальной задачей. Если же цветовое различие не превысит величины, которую может различить человеческий глаз, то результат цветовоспроизведения, вероятнее всего, может удовлетворить потребителя продукции.
В процессе исследования обнаружилось, что насыщенные цвета Yelllow, Yellow 012, Orange 021, Warm Red, Red 032, Rubine Red, Rhodamine Red, Purple, Violet, Dlue 072, Reflex Blue, Process Blue прогнозируются с большой погрешностью по дельта E76, цветовой тон, насыщенность и яркость цветов на полученной репродукции не соответствует оригиналу. С помощью искусственных нейронных сетей насыщенные (чистые) цвета спрогнозировать не удаётся.
Цвета, близкие к нейтрально серым, такие как Black, P444, Warm Grey 5U, Warm Grey 8U, Cool Grey 5U, P7534, P7535, P7536, P7537, P7538, P7539, P7540 прогнозируются с наименьшей погрешностью по дельта E76. Предсказнные цвета визуально близки к оригиналу.
В целом можно сделать вывод о том, что в ходе исследования применения ИНС к решению обратной задачи прогнозирования цвета не выявлена зависимость от числа нейронов в скрытом слое.
В тоже время выявлена довольно резкая зависимость от размера обучающей выборки, при переходе обучающих выборок от bc3 к bc6 относительная погрешность прогноза сжижается от 15 до 8 %.
This paper is devoted to the application of an artificial neural network approach to solving the inverse problem of predicting color formulations from spectral reflection coefficients on a digital printing machine using a standard set of CMYK inks.
The purpose of this work: a study of the application of the INS to the solution of the inverse problem of color prediction in the case of standard printing CMYK dyes.
To achieve this goal it is necessary to solve the following tasks:
1. Familiarize yourself with existing color prediction models.
2. Develop a plan for conducting a neural network color prediction experiment on an impression.
3. Determination of the minimum size of the training sample and the minimum configuration (the number of neurons in the hidden layer) while maintaining an acceptable forecast accuracy.
4. Assessment of the effectiveness of the prediction of the neural network algorithm.
The development and implementation of a color prediction technique on an imprint in the prepress processing chain of an order for digital printing will make it possible to evaluate the accuracy of reproduction before printing color tests and reduce the magnitude of the color difference between the original and reproduction. Therefore, the development of an algorithm based on the INS for solving the inverse problem is an urgent task. If the color difference does not exceed the value that can be distinguished by the human eye, then the result of color reproduction, most likely, can satisfy the consumer products.
During the research, it was found that the rich colors of Yelllow, Yellow 012, Orange 021, Warm Red, Red 032, Rubine Red, Rhodamine Red, Purple, Violet, Dlue 072, Reflex Blue, Process Blue are predicted with a large error of delta E76, color tone , saturation and brightness of colors on the resulting reproduction does not match the original. With the help of artificial neural networks, saturated (pure) colors cannot be predicted.
Colors close to neutral gray, such as Black, P444, Warm Gray 5U, Warm Gray 8U, Cool Gray 5U, P7534, P7535, P7536, P7537, P7538, P7539, P7540 are predicted with the smallest delta error of E76. Predicted colors are visually close to the original. Predicted colors are visually close to the original.
In general, it can be concluded that during the study of the application of ANNs to the solution of the inverse problem of color prediction, no dependence on the number of neurons in the hidden layer was revealed.
At the same time, a rather sharp dependence on the size of the training sample was revealed, and when transitioning training samples from bc3 to bc6, the relative forecast error is liquefied from 15 to 8%.
Цель данной работы: исследование применения ИНС к решению обратной задачи прогнозирования цвета в случае стандартной печати CMYK красителями.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Ознакомление с существующими моделями прогнозирования цвета.
2. Разработка плана проведения эксперимента нейросетевого прогнозирования цвета на оттиске.
3. Определение минимального объёма тренировочного выборки и минимальной конфигурации (числа нейронов в скрытом слое) при сохранении приемлемой точности прогноза.
4. Оценка эффективности прогнозирования нейросетевого алгоритма.
Разработка и внедрение методики прогнозирования цвета на оттиске в технологическую цепочку допечатной подготовки заказа цифровой печати позволит оценить точность репродуцирования до печати цветопроб и уменьшить величину цветового различия оригинала и репродукции. Потому разработка алгоритма основанного на ИНС для решения обратной задачи является актуальной задачей. Если же цветовое различие не превысит величины, которую может различить человеческий глаз, то результат цветовоспроизведения, вероятнее всего, может удовлетворить потребителя продукции.
В процессе исследования обнаружилось, что насыщенные цвета Yelllow, Yellow 012, Orange 021, Warm Red, Red 032, Rubine Red, Rhodamine Red, Purple, Violet, Dlue 072, Reflex Blue, Process Blue прогнозируются с большой погрешностью по дельта E76, цветовой тон, насыщенность и яркость цветов на полученной репродукции не соответствует оригиналу. С помощью искусственных нейронных сетей насыщенные (чистые) цвета спрогнозировать не удаётся.
Цвета, близкие к нейтрально серым, такие как Black, P444, Warm Grey 5U, Warm Grey 8U, Cool Grey 5U, P7534, P7535, P7536, P7537, P7538, P7539, P7540 прогнозируются с наименьшей погрешностью по дельта E76. Предсказнные цвета визуально близки к оригиналу.
В целом можно сделать вывод о том, что в ходе исследования применения ИНС к решению обратной задачи прогнозирования цвета не выявлена зависимость от числа нейронов в скрытом слое.
В тоже время выявлена довольно резкая зависимость от размера обучающей выборки, при переходе обучающих выборок от bc3 к bc6 относительная погрешность прогноза сжижается от 15 до 8 %.
This paper is devoted to the application of an artificial neural network approach to solving the inverse problem of predicting color formulations from spectral reflection coefficients on a digital printing machine using a standard set of CMYK inks.
The purpose of this work: a study of the application of the INS to the solution of the inverse problem of color prediction in the case of standard printing CMYK dyes.
To achieve this goal it is necessary to solve the following tasks:
1. Familiarize yourself with existing color prediction models.
2. Develop a plan for conducting a neural network color prediction experiment on an impression.
3. Determination of the minimum size of the training sample and the minimum configuration (the number of neurons in the hidden layer) while maintaining an acceptable forecast accuracy.
4. Assessment of the effectiveness of the prediction of the neural network algorithm.
The development and implementation of a color prediction technique on an imprint in the prepress processing chain of an order for digital printing will make it possible to evaluate the accuracy of reproduction before printing color tests and reduce the magnitude of the color difference between the original and reproduction. Therefore, the development of an algorithm based on the INS for solving the inverse problem is an urgent task. If the color difference does not exceed the value that can be distinguished by the human eye, then the result of color reproduction, most likely, can satisfy the consumer products.
During the research, it was found that the rich colors of Yelllow, Yellow 012, Orange 021, Warm Red, Red 032, Rubine Red, Rhodamine Red, Purple, Violet, Dlue 072, Reflex Blue, Process Blue are predicted with a large error of delta E76, color tone , saturation and brightness of colors on the resulting reproduction does not match the original. With the help of artificial neural networks, saturated (pure) colors cannot be predicted.
Colors close to neutral gray, such as Black, P444, Warm Gray 5U, Warm Gray 8U, Cool Gray 5U, P7534, P7535, P7536, P7537, P7538, P7539, P7540 are predicted with the smallest delta error of E76. Predicted colors are visually close to the original. Predicted colors are visually close to the original.
In general, it can be concluded that during the study of the application of ANNs to the solution of the inverse problem of color prediction, no dependence on the number of neurons in the hidden layer was revealed.
At the same time, a rather sharp dependence on the size of the training sample was revealed, and when transitioning training samples from bc3 to bc6, the relative forecast error is liquefied from 15 to 8%.