كاليبراسيون رنگي اسكنر براي منسوجات بوسيله شبكه عصبي

Colorimetric Scanner Calibration for Textiles by Neural-Network

در اين پژوهش كاليبراسيون رنگي اسكنر با استفاده از شبكه عصبي پرسپترون با سه‌لايه‌ و چهارلايه‌ و الگوريتـم آمـوزش پس‌انتشار خطا براي پارچه هاي پلي‌استر رنگي انجام شد. نتايج نشان مي‌دهد كه اگر نمونه‌هاي آموزشي به‌صورت تصادفي انتخاب شوند، جوابهاي مناسبي به ‌دست‌ نمي‌آيد. ليكن استفاده از نمونه‌هاي آموزشي انتخابي براي مشخصه هاي L*a*b* يا RGB منجر به جوابهاي مناسب مي‌شود. هرچند نتايج نمونه‌هاي انتخابي از L*a*b* بهتر است.همچنين اختلاف رنگ بين XYZ محاسباتي و XYZ واقعي براي نمونه‌هاي مجهول نه تنها با نتايج روش رگرسيون با چند جمله ايهاي مختلف قابل مقايسه است بلكه نسبت به تحقيقات قبلي انجام شده در زمينه كاليبراسيون رنگي اسكنر با استفاده از شبكه عصبي نتايج بهتري را نشان مي دهد

In this study, colorimetric calibration of scanner has been done via perceptron neural network with three or four layers by back propagation algorithm for colored polyester fabrics. The results obtained for random training samples are not satisfactory but application of selective training samples for L*a*b* or RGB leads to good results, with better results obtained for the L*a*b* method. On the other hand, the color differences between calculation XYZ and real XYZ for unknown samples, are not only in agreement with the results of polynomials and regression methods, but are also better than the results obtained in previous studies where neural networkhad been used for colorimetric calibration of scanner.