论文摘要
印刷质量检测是现代印刷生产的一个重要环节,直接影响到印刷品质量、产量和效率。针对具有强非线性、不确定性、时变等特点的印刷过程,采用传统的检测理论或单一的图像处理技术难以满足多对象全画面在线检测的要求,本文提出印刷图像质量检测的彩色图像分割及相关技术,建立基于视觉感知的印刷质量评估体系,有效解决印刷图像质量客观评价与人眼主观评价一致的问题。论文的主要研究成果包括:(1)基于视觉感知的图像质量评价体系根据印刷工艺和人眼的视觉感知特点,将印刷图像质量分为图像质量和文字质量,提出基于视觉感知的印刷图像质量评价基本框架,包括色彩测量、图文检测和自动控制三部分。主要研究文字区域定位、图像感兴趣区域划分和半色调图像网点面积率三种分割策略,从而建立多对象、多过程与主观评价一致的印刷质量客观测控模型。(2)基于光照颜色补偿的在线颜色测量技术针对印刷在线色彩测量环境不能满足标准照明条件的问题,设计基于双色反射模型和有限维线性模型的光照颜色补偿方法,采用双色反射模型估计光源的颜色,解决光照估计难的问题,采用有限维线性模型,得到物体表面在标准光源下的颜色值。并对RGB色差计算公式进行改进,在保证色差计算精度的同时,提高计算速度。实验结果表明,经过光照颜色补偿的色彩测量精度满足要求。(3)半色调图像网点面积率智能测量策略由于印刷过程的复杂性、专色和黑版技术的影响,难以用单一模型实现印后图像的四色网点面积率的还原,提出基于颜色区域的组合神经网络RGB-CMYK转换策略。针对颜色相近像素的网点面积率趋于相近的特点,首先采用改进基于模糊集2的自适应彩色分割算法获取图像的主颜色,并通过定义模糊同一性,有效地克服了阈值不确定性、没有考虑空间信息的缺点,采用多个神经子网络分别实现对应主颜色区域的转换。实验结果表明,该策略的网点面积率检测精度高,为有效检测各色印刷质量和实现印刷控制提供理论支持。(4)复杂背景的彩色印刷图像文字定位方法针对印刷文字背景复杂,语种、字体、颜色等形式多变,文字定位准确率低的问题,提出基于主颜色和连通分量特征的文字区域分割方法。设计以强边缘内局部平滑颜色为聚类中心的粗分割,保留了页面文字的颜色,采用均值偏移的精分割进一步减少主颜色数量,提高计算的速度,最大相似法滤波的后处理提高识别的准确度。根据汉字结构特点,设计基于专家知识的汉字重建规则库、启发式滤波和基于区域几何位置的文本区域定位等连通分量方法,从彩色印刷版面中分割出文字区域。实验结果表明,以上方法能有效地去除复杂背景干扰,适应字体、尺度等变化,在不同类型的图像中都能得到较好的定位结果,也完整地将印刷图像分割成文字区和图像区。(5)基于视觉感知的图像“感兴趣区”分割模型为实现印刷页面图像质量与人眼视觉感知一致的目的,提出一种改进基于颜色和纹理的分割方法。采用基于可控金字塔的纹理分割方法,模拟人类视觉皮质分解为一系列具有方向性和空间频率的独立通道特点,将图像分割成六类纹理区域;应用最优颜色距离法提取区域颜色特征,该方法不仅结合图像像素间的相关性,还综合图像的局部和全局信息,提取的颜色特征符合人眼视觉的相似性准则;在每个纹理区内结合颜色特征,采用均值偏移算法进行自适应聚类,获得多个纹理相同、颜色特征接近的子区域,子区域合并后将图像中不同对象和背景完全区分。实验结果表明,算法对光照等影响鲁棒性好,“感兴趣区”具有颜色、纹理、语义一致的特点,为基于视觉感知的图像质量评价体系打下基础。
论文目录
相关论文文献
- [1].彩色图像分割方法综述[J]. 电脑知识与技术 2020(23)
- [2].医学彩色图像分割的作用[J]. 企业导报 2016(01)
- [3].基于模糊理论的彩色图像分割方法的研究[J]. 数码世界 2017(07)
- [4].彩色图像分割方法综述[J]. 软件导刊 2018(04)
- [5].复杂网络理论在彩色图像分割中的应用研究[J]. 计算机测量与控制 2018(07)
- [6].基于先验色彩协方差约束的彩色图像分割[J]. 计算机工程 2017(04)
- [7].基于足球机器人的彩色图像分割方法研究[J]. 内蒙古工业大学学报(自然科学版) 2013(02)
- [8].彩色图像分割技术分析与研究[J]. 科技信息 2012(34)
- [9].基于边缘检测和区域生长的自然彩色图像分割[J]. 天津工业大学学报 2008(01)
- [10].彩色图像分割技术综述[J]. 科技情报开发与经济 2008(10)
- [11].基于色彩空间变换的彩色图像分割方法[J]. 计算机工程与应用 2019(09)
- [12].基于密度聚类的彩色图像分割方法[J]. 华中科技大学学报(自然科学版) 2011(S2)
- [13].一种改进彩色图像分割方法[J]. 计算机与数字工程 2012(11)
- [14].基于颜色量化和密度峰聚类的彩色图像分割[J]. 计算机工程与应用 2020(02)
- [15].基于多方法融合的非监督彩色图像分割[J]. 山东大学学报(工学版) 2019(02)
- [16].模糊相关图割的非监督层次化彩色图像分割[J]. 中国图象图形学报 2018(09)
- [17].结合几何划分技术和最大期望值/最大边缘概率算法的彩色图像分割[J]. 中国图象图形学报 2013(10)
- [18].融合改进分水岭和区域生长的彩色图像分割方法[J]. 计算机工程与科学 2013(04)
- [19].基于多阶抽样的高斯混合模型彩色图像分割[J]. 中国图象图形学报 2011(04)
- [20].采用空间聚类和平面或连通的彩色图像分割[J]. 计算机工程与应用 2009(29)
- [21].常用彩色图像分割方法的分析与探讨[J]. 科技风 2009(21)
- [22].应用于彩色图像分割的半监督多目标进化聚类算法[J]. 计算机应用研究 2018(10)
- [23].一种基于骨架的彩色图像分割方法[J]. 计算机仿真 2008(05)
- [24].基于彩色图像分割的孔隙度提取[J]. 仪表技术 2016(03)
- [25].混合聚类彩色图像分割方法研究[J]. 计算机工程与应用 2011(09)
- [26].基于核的密度函数聚类的彩色图像分割方法[J]. 电脑知识与技术 2010(19)
- [27].基于萤火虫算法的无监督最小视觉差彩色图像分割[J]. 计算机与现代化 2018(12)
- [28].一种基于区域的彩色图像分割方法[J]. 计算机仿真 2010(06)
- [29].结合爬山法的模糊C均值彩色图像分割方法[J]. 计算机科学 2018(S2)
- [30].基于空间和时间差别采样的彩色图像分割[J]. 计算机工程 2012(13)