[发明专利]一种建立书画纸输出质量预测模型的方法

说明书

本发明提供一种建立书画纸输出质量预测模型的方法，包括以下步骤：测量书画纸表面性能参数；测量书画纸表面帘纹参数；在MATLAB环境下建立总变差模型；确定总变差模型参数中的σ值；测量书画纸去帘纹处理后的色度值，并计算与标准设定值间的色差值；建立GRNN预测模型；构建GRNN预测模型训练数据样本；获得最优平滑因子；验证预测准确性。本发明能够运用总变差模型去除书画纸帘纹，得到更符合视觉特征的色差评定方式，构建打印输出质量预测模型，预测结果准确可靠。

技术领域

本发明主要涉及印刷适应预测领域，尤其涉及一种建立书画纸输出质量预测模型的方法。

背景技术

当前有关书画纸印刷适性预测模型的研究，多采用测量书画纸的粗糙度、白度、不透明度、定量、光泽度等表面物理参数来预测最终输出质量，而对书画纸印刷适性预测的研究较少。书画纸在抄造成型过程中，采用了独特的竹帘捞纸成型工艺，书画纸表面产生明暗相间的帘纹，且该纹理具有明显的周期性与方向性。帘纹作为书画纸特有属性，其纹理深浅与疏密程度，最终都会影响书画纸的输出质量。帘纹间隙可视作图像背景噪声，会干扰书画纸色差值评价，造成结果准确性不佳、与视觉感官不符等问题。

基于纹理信息对色差值评价影响的研究，研究对象多为织物、皮革、版材等，由于书画纸中的帘纹在色差值评定中属于需要消隐的一类信号，且针对帘纹对书画纸打印质量研究的详细报道较少。且现有技术中FFT和Gabor滤波器相结合的织物纹理提取方法，该方法纹理提取效果较好，但不适合色差值评定所需的多通道颜色特征提取。

发明内容

本发明提供一种建立书画纸输出质量预测模型的方法，针对现有技术的上述缺陷，提供一种建立书画纸输出质量预测模型的方法，包括以下步骤：

S1：测量书画纸表面性能参数：参数包括多种书画纸的粗糙度X₁、白度X₂、不透明度X₃、定量X₄、光泽度X₅，共采集n份书画纸，第1～m份作为训练样本A，第m+1～n份作为测试样本B；

S2：测量书画纸表面帘纹参数，包括深浅和密度，所述深浅是指灰度图中明暗条纹的平均明度差值ΔL，所述密度是指每厘米内帘纹的数量；

S3：在MATLAB环境下建立总变差模型，数学模型如下：

式中

q以p点为中心的一个正方形区域内所有像素点的索引，g为高斯核函数，

S4：确定总变差模型参数中的σ值：对书画纸分别输出CMYRGB六色实地色块，利用相机在D65光源下采集色块图像，然后使用总变差模型进行去帘纹处理，求出每种书画纸最适空间尺度参数σ值，当σ范围为[0.01,1)时σ值变化步长设为0.01，当σ范围为[1～8]时σ值变化步长设为0.1，根据实际效果获得对应书画纸去纹理效果最优定总变差模型参数σ值；

S5：测量书画纸去帘纹处理后的色度值，并计算与标准设定值间的色差值eXact对色块进行多点采样，取测量均值，获得色度值，然后采用CIE 1976L*a*b*均匀色空间色差值计算公式：计算测量值与标准值间的色差值

S6：在MATLAB环境下建立GRNN预测模型：数据分为输入矩阵、输出矩阵、训练数据和测试数据，GRNN由4层组成，分别为输入层、模式层、求和层和输出层，其中模式层的神经元传递函数公式为

其中，X为输入量，X_i为第i个神经元对应的学习对象；

S7：构建GRNN预测模型训练数据样本：包括输入值矩阵P_train和输出值矩阵T_train，所述输入值矩阵P_train是由经过S1和S2步骤采集得到的第1～m份书画纸的参数组成的矩阵，输出值矩阵T_train是由经过S5步骤后获得的第1～m份书画纸的色差值组成的矩阵；