本發(fā)明涉及一種基于最小二乘支持向量機的色紡紗配色方法，屬于色紡紗計算機配色的技術(shù)領(lǐng)域。

背景技術(shù)：

色紡紗是先將纖維染色，選擇兩種或兩種以上不同顏色的纖維，經(jīng)過特定紡紗工序混和加工紡制而成，具有朦朧立體的混色效果，特殊的外觀風(fēng)格，高附加值。色紡紗無需進(jìn)行染整工序，在節(jié)省能源、保護(hù)環(huán)境等方面有明顯的優(yōu)勢。

色紡紗的顏色主要取決于所選色纖維的種類、顏色和比例，用色紡紗制成的針織物在紡織服裝市場上頗受青睞。國內(nèi)外色紡市場逐步擴(kuò)大，色紡紗在紡織面料中的比重越來越大，需求量呈現(xiàn)逐年上升趨勢。

色紡市場有“批量小、品種繁多、變化大、周期短、交貨快”的要求，色紡紗的工藝較復(fù)雜，對色紡企業(yè)的生產(chǎn)監(jiān)控管理、技術(shù)手段、設(shè)計水平、自主創(chuàng)新開發(fā)等方面的要求都較高。

目前大多數(shù)色紡企業(yè)仍然采用人工配色方法，傳統(tǒng)的人工配色工作量大、耗時、成本較高，而且主觀性強，人工配色完全依靠人眼觀察，容易受配色人員的心理狀態(tài)、外界環(huán)境、個人經(jīng)驗及對顏色的敏感度等因素影響，配色效果缺乏統(tǒng)一的衡量標(biāo)準(zhǔn)，配色的準(zhǔn)確度不高，再現(xiàn)性差。色紡行業(yè)緊跟市場流行趨勢，纖維原料的變化、流行色周期的縮短、產(chǎn)品的低價競爭，以及計算機和電子信息的智能化發(fā)展方向，都在一定程度上沖擊著傳統(tǒng)的人工配色。在這種環(huán)境下，計算機測配色成為紡織行業(yè)中色紡紗配色的一個發(fā)展趨勢。然而目前世界上最先進(jìn)的配色軟件datacolor-match在染料配色方面的運用已經(jīng)很成功，但是它并不適用于色紡紗及色紡織物的配色。已有的色紡紗計算機配色理論的研究，包括stearns-noechel模型、friele模型和kubelka-munk理論等，這些傳統(tǒng)理論模型在推導(dǎo)過程中受假設(shè)條件的限制，在實際生產(chǎn)應(yīng)用中適用性較差。另外，bp神經(jīng)網(wǎng)絡(luò)法需要提供大量樣本進(jìn)行學(xué)習(xí)，否則樣本量小，獲得的模型精度比較低，同時bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練中對所學(xué)習(xí)的樣本十分敏感，易導(dǎo)致模型變得不精確。

計算機配色相關(guān)行業(yè)人員已進(jìn)行一些研究和專利發(fā)明，例如，中國發(fā)明專利公開了一種皮革染色的計算機配色方法，申請?zhí)枺?01610110717.0，其特征在于，包括測量待配色樣品的反射率rt(λ)，經(jīng)skm模型公式轉(zhuǎn)化為k/st(λ)，并作為輸入項，由訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行重均k/s值的預(yù)測，利用光譜擬合算法，通過最小二乘法計算獲得染色配方。該專利針對皮革染色的特點，提高配色的一次準(zhǔn)確率，但是這個技術(shù)方案中選用的神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)所需樣本容量大，否則模型精度低，同時泛化性能差，對樣本十分敏感，易導(dǎo)致模型不精確。

另一發(fā)明專利涉及印刷技術(shù)領(lǐng)域，是一種基于最小二乘支持向量機的膠印油墨配色方法，申請?zhí)枺?01210212306.4，該專利對每一種基礎(chǔ)油墨分別以不同的濃度梯度進(jìn)行打樣，各選取m個濃度比例，測量打樣得到的各標(biāo)準(zhǔn)色樣相應(yīng)的xyz值；獲取待測目標(biāo)樣品的xyz值，并選取n個參與配色的油墨，得到m*n個xyz值與對應(yīng)的濃度比例訓(xùn)練樣本數(shù)據(jù)；對ls-svm函數(shù)進(jìn)行訓(xùn)練，建立xyz值與油墨配方的關(guān)系，實現(xiàn)xyz值到油墨濃度比例的轉(zhuǎn)換；將待測目標(biāo)樣品的xyz值輸入到訓(xùn)練好的ls-svm函數(shù)模型，計算得到相應(yīng)的油墨配方。該發(fā)明專利對基礎(chǔ)油墨數(shù)據(jù)庫的精度要求小，配色簡便，效率高。但是該方案中對獲得的配方?jīng)]有進(jìn)行驗證及修正，配方數(shù)據(jù)的精確度有待提高。另一方面，油墨配色與色紡紗配色的特點不同，油墨之間的混合屬于化學(xué)方法，而色紡紗的混合屬于物理過程，是纖維之間的混合。

上述專利各有優(yōu)點與缺點，同時并沒有涉及針對色紡紗的計算機精細(xì)配色方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是在快速準(zhǔn)確獲得配方的同時避免目標(biāo)樣與配方樣的反射光譜一致而顏色效果差別很大。

為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供一種基于最小二乘支持向量機的色紡紗配色方法，其特征在于，包括以下步驟：

步驟1、選定不同顏色的基準(zhǔn)色纖維，各基準(zhǔn)色纖維的顏色具有相對獨立的特點，采集各基準(zhǔn)色纖維對應(yīng)的顏色數(shù)據(jù)值；

步驟2、選取部分或全部基準(zhǔn)色纖維，以不同組合方式和不同的混合比例進(jìn)行紡紗制樣，獲得不同的試樣，將不同組合方式和不同的混合比例定義為不同的配方比例，并將獲得的試樣定義為標(biāo)準(zhǔn)樣，測量所有標(biāo)準(zhǔn)樣的顏色數(shù)據(jù)值；

步驟3、將各標(biāo)準(zhǔn)樣的顏色數(shù)據(jù)值及對應(yīng)的配方比例作為訓(xùn)練集，對最小二乘支持向量機函數(shù)模型進(jìn)行訓(xùn)練，并建立顏色數(shù)據(jù)值與比例關(guān)系之間的關(guān)系；

步驟4、測量目標(biāo)試樣的顏色數(shù)據(jù)值，輸入訓(xùn)練好的最小二乘支持向量機函數(shù)模型中，計算得到相應(yīng)的預(yù)測配方比例c；

步驟5、根據(jù)預(yù)測配方比例c進(jìn)行打樣，獲得仿樣，測量仿樣的顏色數(shù)據(jù)值，比較目標(biāo)試樣與仿樣的色差，若色差滿足預(yù)設(shè)值，則確定預(yù)測配方比例c及對應(yīng)的顏色數(shù)據(jù)值為最佳配方，否則對顏色數(shù)據(jù)值進(jìn)行配方修正，將修正后的顏色數(shù)據(jù)值及對應(yīng)的預(yù)測配方比例c作為最佳配方；

步驟6、將步驟5得到的最佳配方輸入最小二乘支持向量機函數(shù)模型的訓(xùn)練集，重新對最小二乘支持向量機函數(shù)模型進(jìn)行訓(xùn)練，若需要測量下一個目標(biāo)試樣，則返回步驟4。

優(yōu)選地，步驟1中：所述基準(zhǔn)色纖維采用青、品紅、黃以及黑、白五種顏色；所述的顏色數(shù)據(jù)為光譜反射率、xyz值、lab值或rgb值。

優(yōu)選地，在步驟3中，所述最小二乘支持向量機函數(shù)模型y(x)如下：

式中，n為組成當(dāng)前標(biāo)準(zhǔn)樣的各基準(zhǔn)色纖維的顏色總數(shù)，αi為拉格朗日乘子，k為核函數(shù)，x為待測目標(biāo)樣的反射率值向量，xi為第i個支持向量，b為偏置量，其中：

αi和b由下列矩陣方程求得：

式中，w為權(quán)重系數(shù)向量，φ()為引入的非線性映射函數(shù)，ei為誤差向量；i為單位矩陣；ω為核矩陣，ωij＝k(xi，xj)，i，j＝1，...，n；γ為懲罰系數(shù)；

核函數(shù)k選用高斯徑向基函數(shù)，定義如下：

式中，δ為高斯徑向基函數(shù)中的核半徑。

優(yōu)選地，在步驟5中，采用cmc(2:1)色差公式或ciede2000色差公式比較目標(biāo)試樣與仿樣的色差。

優(yōu)選地，所述cmc(2:1)色差公式為：

式中，δl^*，δc^*，δh^*分別是由cielab公式計算得到的亮度差、飽和度差、色相差；

sl、sc、sh分別為修正系數(shù)：

當(dāng)時，sl＝0.511，為標(biāo)準(zhǔn)樣的明度；

為標(biāo)準(zhǔn)樣的彩度；

sh＝sc(tf+1-f)，式中：

當(dāng)時，為標(biāo)準(zhǔn)樣的色相角；

當(dāng)時，

l和c分別是調(diào)節(jié)明度和飽和度的相對寬容度系數(shù)，取l＝2，c＝1

優(yōu)選地，ciede2000色差公式如下：

式中，kl、kc和kh分別是明度、飽和度和色調(diào)的權(quán)重參數(shù)，取kl＝2，kc＝kh＝1；δl′、δc′和δh′分別表示明度差、彩度差和色調(diào)差；sl、sc和sh分別是明度權(quán)重函數(shù)、飽和度權(quán)重函數(shù)和色調(diào)權(quán)重函數(shù)；rt為交互項。

優(yōu)選地，所述顏色數(shù)據(jù)采用光譜反射率，則在步驟4中，測量目標(biāo)試樣的反射率值rs；在步驟5中，測量仿樣的反射率值rp；

在步驟5中，對顏色數(shù)據(jù)值進(jìn)行配方修正包括如下步驟：

根據(jù)預(yù)測配方比例c，并結(jié)合色紡紗配色模型，得到理論上的預(yù)測樣的反射率rt，計算差值δr＝rp-rt，將修正后的目標(biāo)樣反射率rsu＝rs-δr及對應(yīng)的預(yù)測配方比例c作為最佳配方。

優(yōu)選地，所述色紡紗配色模型采用kubelka-munk理論，滿足以下關(guān)系式：

式中，r(λ)為樣品在波長λ處的反射率值；k為吸收系數(shù)，s為散射系數(shù)；

f[rblend(λ)]＝∑ixif[ri(λ)]

式中，xi為組成樣品的各基準(zhǔn)色纖維所占比例，f[ri(λ)]為基于各基準(zhǔn)色纖維反射率的中間函數(shù)，f[rblend(λ)]為基于色紡紗樣品的反射率的中間函數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益之處在于：

傳統(tǒng)配色理論在推導(dǎo)過程中受假設(shè)條件的限制，在實際生產(chǎn)應(yīng)用中適用性較差。bp神經(jīng)網(wǎng)絡(luò)法需要提供大量樣本進(jìn)行學(xué)習(xí)，否則樣本量小，獲得的模型精度比較低，同時bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練中對所學(xué)習(xí)的樣本十分敏感，易導(dǎo)致模型變得不精確。最小二乘支持向量機基于統(tǒng)計學(xué)習(xí)理論，具有模型泛化性能好、小樣本學(xué)習(xí)能力強、可以處理高維數(shù)據(jù)的特點，能夠在快速準(zhǔn)確獲得配方的同時避免“同譜異色”現(xiàn)象。

本發(fā)明利用ls-svm與傳統(tǒng)配色理論相結(jié)合的方法，利用學(xué)習(xí)機制，經(jīng)過樣品訓(xùn)練與模型分析驗證，與單獨使用傳統(tǒng)配色理論相比，配色準(zhǔn)確度高，實用性強，處理速度快。并且本發(fā)明利用較少種類的基礎(chǔ)色纖維，呈現(xiàn)盡可能廣的色域，實現(xiàn)了原料顏色種類的簡化，減少了企業(yè)庫存量。上述發(fā)明內(nèi)容也可以推廣到染料、涂料、油漆等其他顏色領(lǐng)域。

附圖說明

圖1是本發(fā)明的配色流程示意圖

具體實施方式

為使本發(fā)明更明顯易懂，下面結(jié)合具體實施例，并附圖作詳細(xì)說明如下。應(yīng)理解，這些實施例僅用于說明本發(fā)明。

本發(fā)明提供的一種基于最小二乘支持向量機的色紡紗配色方法，采用基于最小二乘支持向量機(leastsquaressupportvectormachine，以下簡稱為ls-svm)的分析手段與色紡紗顏色匹配模型相結(jié)合的方法，能夠充分利用學(xué)習(xí)機制，經(jīng)過樣品訓(xùn)練與模型分析驗證，可以在短時間內(nèi)找到最準(zhǔn)確的配方，減少對色和打樣的次數(shù)，節(jié)省時間、人力，縮短生產(chǎn)周期，在一定程度上降低生產(chǎn)成本，提高企業(yè)的生產(chǎn)效率，使企業(yè)的經(jīng)濟(jì)利益最大化。

本發(fā)明具體包括如下步驟：

步驟1、選定不同顏色的基準(zhǔn)色纖維，各基準(zhǔn)色纖維的顏色具有相對獨立的特點，采集各基準(zhǔn)色纖維對應(yīng)的顏色數(shù)據(jù)值。基準(zhǔn)色纖維采用色料青、品紅、黃以及黑、白五種色纖維。本發(fā)明所提五種顏色配色方法并不限定于所述的這五種顏色，可適合任意五種顏色，但是為了獲得更多的顏色配方，五種顏色要有相對獨立的特點。顏色數(shù)據(jù)值的采集利用分光光度儀或其他測色設(shè)備，顏色數(shù)據(jù)值為光譜反射率、xyz值、lab值或rgb值，本實施例僅取反射率值進(jìn)行說明。

步驟2、選取部分或全部基準(zhǔn)色纖維，以不同組合方式和不同的混合比例進(jìn)行紡紗制樣，獲得不同的試樣，將不同組合方式和不同的混合比例定義為不同的配方比例，并將獲得的試樣定義為標(biāo)準(zhǔn)樣，測量所有標(biāo)準(zhǔn)樣的反射率值rs。

步驟3、將各標(biāo)準(zhǔn)樣的顏色數(shù)據(jù)值及對應(yīng)的配方比例作為訓(xùn)練集，對ls-svm函數(shù)模型進(jìn)行訓(xùn)練，并建立反射率值與比例關(guān)系之間的關(guān)系。

ls-svm函數(shù)模型y(x)如下：

式中，n為組成當(dāng)前標(biāo)準(zhǔn)樣的各基準(zhǔn)色纖維的顏色總數(shù)，αi為拉格朗日乘子，k為核函數(shù)，x為待測目標(biāo)樣的反射率值向量，xi為第i個支持向量，b為偏置量，其中：

αi和b由下列矩陣方程求得：

式中，yi＝w^tφ(xi)+b+ei，w為權(quán)重系數(shù)向量，φ()為引入的非線性映射函數(shù)，ei為誤差向量；i為單位矩陣；ω為核矩陣，ωij＝k(xi，xj)，i，j＝1，...，n；γ為懲罰系數(shù)；

核函數(shù)k選用高斯徑向基函數(shù)，定義如下：

式中，δ為高斯徑向基函數(shù)中的核半徑。

步驟4、測量目標(biāo)試樣的顏色數(shù)據(jù)值，輸入訓(xùn)練好的最小二乘支持向量機函數(shù)模型中，計算得到相應(yīng)的預(yù)測配方比例c。

步驟5、根據(jù)預(yù)測配方比例c進(jìn)行打樣，獲得仿樣，測量仿樣的反射率值rp，比較目標(biāo)試樣與仿樣的色差，若色差滿足預(yù)設(shè)值，則確定預(yù)測配方比例c及對應(yīng)的顏色數(shù)據(jù)值為最佳配方，否則對顏色數(shù)據(jù)值進(jìn)行配方修正，將修正后的顏色數(shù)據(jù)值及對應(yīng)的預(yù)測配方比例c作為最佳配方。

采用cmc(2:1)色差公式或ciede2000色差公式比較目標(biāo)試樣與仿樣的色差。

cmc(2:1)色差公式為：

式中，δl^*，δc^*，δh^*分別是由cielab公式計算得到的亮度差、飽和度差、色相差；

sl、sc、sh分別為修正系數(shù)：

當(dāng)時，sl＝0.511，為標(biāo)準(zhǔn)樣的明度；

為標(biāo)準(zhǔn)樣的彩度；

sh＝sc(tf+1-f)，式中：

當(dāng)時，為標(biāo)準(zhǔn)樣的色相角；

當(dāng)時，

l和c分別是調(diào)節(jié)明度和飽和度的相對寬容度系數(shù)，取l＝2，c＝1

ciede2000色差公式如下：

式中，kl、kc和kh分別是明度、飽和度和色調(diào)的權(quán)重參數(shù)，取kl＝2，kc＝kh＝1；δl′、δc′和δh′分別表示明度差、彩度差和色調(diào)差；sl、sc和sh分別是明度權(quán)重函數(shù)、飽和度權(quán)重函數(shù)和色調(diào)權(quán)重函數(shù)；rt為交互項。

對顏色數(shù)據(jù)值進(jìn)行配方修正包括如下步驟：

根據(jù)預(yù)測配方比例c，并結(jié)合色紡紗配色模型，得到理論上的預(yù)測樣的反射率rt，計算差值δr＝rp-rt，將修正后的目標(biāo)樣反射率rsu＝rs-δr及對應(yīng)的預(yù)測配方比例c作為最佳配方。

色紡紗配色模型采用kubelka-munk理論，滿足以下關(guān)系式：

式中，r(λ)為樣品在波長λ處的反射率值；k為吸收系數(shù)，s為散射系數(shù)；

f[rblend(λ)]＝∑ixif[ri(λ)]

式中，xi為組成樣品的各基準(zhǔn)色纖維所占比例，f[ri(λ)]為基于各基準(zhǔn)色纖維反射率的中間函數(shù)，f[rblend(λ)]為基于色紡紗樣品的反射率的中間函數(shù)。

步驟6、將步驟5得到的最佳配方輸入最小二乘支持向量機函數(shù)模型的訓(xùn)練集，重新對ls-svm函數(shù)模型進(jìn)行訓(xùn)練，若需要測量下一個目標(biāo)試樣，則返回步驟4。

以下結(jié)合具體實例來進(jìn)一步說明本發(fā)明提供的一種基于最小二乘支持向量機的色紡紗配色方法：

(1)選定基準(zhǔn)色纖維，采集相應(yīng)顏色數(shù)據(jù)值：這里基準(zhǔn)色纖維采用青、品紅、黃、黑、白五種色纖維，將五種色纖維分別按照相同的工藝流程紡紗，得到相同規(guī)格的單紗，利用紗線色卡機將紗線制成色卡，色卡的卷繞密度為30根/cm，卷繞寬度為40mm，卷繞層數(shù)為4層，以保證不透光。利用分光光度儀獲得各色卡上紗線的反射率等數(shù)據(jù)，波長范圍為380-700nm，間隔10nm。

(2)選取部分或全部基準(zhǔn)色纖維，以不同組合方式和不同的混合比例進(jìn)行紡紗制樣，測量所有試樣的反射率值：確定不同比例的各色纖維混紡，作為標(biāo)準(zhǔn)樣，同步驟(1)，利用分光光度儀測量不同顏色比例的紗線色卡，獲得對應(yīng)的反射率值。

(3)將標(biāo)準(zhǔn)樣的反射率值及對應(yīng)比例關(guān)系作為訓(xùn)練樣本，對ls-svm函數(shù)模型進(jìn)行訓(xùn)練并建立相關(guān)數(shù)據(jù)間的關(guān)系：將各標(biāo)準(zhǔn)樣反射率值、標(biāo)準(zhǔn)樣中采用的色纖維所對應(yīng)的紗線反射率值及其對應(yīng)比例，作為訓(xùn)練樣本的輸入端和輸出端，對樣本反射率值到色紡紗配方非線性轉(zhuǎn)換的ls-svm函數(shù)模型進(jìn)行訓(xùn)練，建立樣本反射率與配方之間的關(guān)系，ls-svm函數(shù)模型的訓(xùn)練以matlab為軟件支撐。

(4)測量目標(biāo)試樣反射率rs，輸入ls-svm函數(shù)模型中，計算得到相應(yīng)試樣配方c：目標(biāo)樣為給定的色紡紗或者客戶來樣，利用分光光度儀測量目標(biāo)樣的反射率rs，將其輸入訓(xùn)練好的ls-svm函數(shù)模型中，通過模型進(jìn)行計算，獲得相應(yīng)的色紡紗配方結(jié)果。

(5)根據(jù)預(yù)測配方c進(jìn)行打樣，獲得仿樣，利用分光光度儀測量仿樣的反射率值rp；

(6)比較目標(biāo)樣與仿樣的色差，若色差滿足預(yù)設(shè)值，則確定該比例為最佳配方，否則進(jìn)行配方修正：利用色差公式來比較目標(biāo)樣與打樣色的色差，色差公式采用cmc(2:1)或ciede2000。色差的預(yù)設(shè)值由行業(yè)實際需要或者客戶要求而定，如果客戶覺得仿樣滿足要求，則輸出配方，進(jìn)入大樣生產(chǎn)。否則，進(jìn)入下一步修正。修正配方，首先根據(jù)步驟(4)得到的配方，并結(jié)合色紡紗配色模型，得到理論上的預(yù)測樣的反射率rt，計算差值δr＝rp-rt，將修正后的目標(biāo)樣反射率rsu＝rs-δr作為輸入值，輸入到訓(xùn)練好的ls-svm模型中，得到相應(yīng)配方，重復(fù)步驟(5)、(6)。色紡紗配色模型采用kubelka-munk理論，滿足以下關(guān)系式：

式中：r(λ)表示樣品在波長λ處的反射率值；k為吸收系數(shù)，s為散射系數(shù)。

f[rblend(λ)]＝∑ixif[ri(λ)]

式中：xi為各組分所占比例，f[ri(λ)]為基于各組分反射率的中間函數(shù)，f[rblend(λ)]為基于色紡紗樣品的反射率的中間函數(shù)。

(7)將最佳配方輸入ls-svm的訓(xùn)練集，進(jìn)行訓(xùn)練：由步驟(6)得到最佳配方，將其輸入訓(xùn)練集，以提高ls-svm函數(shù)模型的準(zhǔn)確率，為今后的配色配方提供便利。