[发明专利]基于BP神经网络的胶印半色调网点预测方法

说明书

本发明公开的基于BP神经网络的胶印半色调网点预测方法，首先采集印刷色块数据，其次，选取部分色块数据的31维光谱反射率数据作为预测模型的训练输入数据，进行HDPM训练，对应的四色网点面积率作为训练输出数据，然后，判断输出的四色网点面积率是否满足精度要求，如果不满足，则逐步对BP神经网络进行优化，如果满足，则建立基于BP神经网络的半色调网点预测模型；本发明公开的预测方法，能把印刷目标色在特定条件下测量得到的光谱反射率数组与其对应的四色套印网点面积率组合建立联系，实现由目标色的光谱反射率数据即可预测其印刷四色网点面积率的效果，帮助企业快速投入印刷成产，提高生产效率。

技术领域

本发明属于印刷技术领域，涉及一种基于BP神经网络的胶印半色调网点预测方法。

背景技术

近年来，伴随着信息量爆发式的增长趋势，人们不仅对印刷品这一信息承载物的质量要求越来越高，还对承印物的制作效率提出了更高的要求。传统印刷工艺主要依靠工人凭经验给出印刷配方，该方法对工人技术有太大的依赖性，而且容易造成油墨、承印物的浪费，近几十年来，这种方法己逐渐被淘汰。半色调印品是油墨以网点的形式并列或叠合而形成，含有空白区域、单色油墨区域和由原色油墨叠印产生的叠色区域。在印刷过程中，表现各种灰色和彩色的网点，经常会出现网点扩大，使得实际印品与理想印品产生偏差的现象，因此通过印刷网点呈色模型来预测印刷过程中网点尺寸的变化，成为至关重要的步骤。

平版胶印是现今最常用的印刷方式之一，其呈色方式为半色调网点叠印，研究半色调网点预测模型，可以有效的提升平版胶印的印刷效率和避免油墨等其他材料的浪费，并且降低印刷成本。目前，彩色印刷品半色调网点印刷常用的模型有Kubelka-Munk理论和人工神经网络两大类。Kubelka-Munk是用于描述含有能散射和吸收入射光的微小粒子的系统的光学行为的理论，理论基础是假设光的多重散射，但在实际应用中油墨与空气交界的折射存在各种变化，导致生产中存在许多约束条件。结合神经网络具有较强的逼近非映射能力以及自学习、自组织和自适应能力等特点，本发明建立了基于神经网络的胶印半色调网点预测的模型，该模型能够快速稳定的计算出油墨网点面积率，并应用于实际的印刷生产。

发明内容

本发明的目的是提供一种基于BP神经网络的胶印半色调网点预测方法，解决了现有技术中存在实际印品与理想印品产生偏差的问题，以BP神经网络为基础，能把印刷目标色在特定条件下测量得到的光谱反射率数组与其对应的四色套印网点面积率组合建立联系，实现由目标色的光谱反射率数据即可预测其印刷四色网点面积率的效果。

本发明所采用的技术方案是，基于BP神经网络的胶印半色调网点预测方法，具体操作过程包括如下步骤：

步骤1.采集印刷色块数据，包括四色网点面积率、31维光谱反射率数据以及L*a*b*值；

步骤2.选取部分色块数据的31维光谱反射率数据作为预测模型的训练输入数据，进行HDPM训练，对应的四色网点面积率作为训练输出数据；

步骤3.判断输出的四色网点面积率是否满足精度要求，如果不满足，则进行步骤4；如果满足，则建立基于BP神经网络的半色调网点预测模型；

步骤4.逐步对BP神经网络进行优化，优化完成后依次进行步骤2和步骤3。

本发明的其他特点还在于，

步骤1的具体过程如下：

确定采集色块数据的观察环境，将观察环境设置为2°视角、5000k光源，使用X-rite i1pro2测量纸张及四色套印标准色块，测量波长范围为400-700nm，间隔10nm，取其色块的光谱反射率与四色网点面积率以及L*a*b*值，网点面积率由10％-100％网点面积率的黄、品红、青、黑单色色块及不同网点面积率的双色、三色、四色套印色块组成。

步骤2的具体过程如下：