CRT 色度变换,主要指CRT 的RGB 色度空间与CIEXYZ 色度空间的相互变换,是近年来色度学领域的一个重要研究课题。这是由于该技术可以应用于“所见即为所得”的彩色复制、Internet 网上颜色信息的标准化交流、色度学基础研究等一系列重要场合中。经过十多年的发展,传统CRT 色度变换模型已基本成熟,其中包括三维查表、PLCC、PLVC、LIN-LIN2、LOG-LOG、GOG、Berns 等一系列模型。这些模型已在实际CRT 色度变换或标定技术中得到应用,色差基本能满足使用要求。但是,上述传统CRT 色度变换模型存在一个共同缺点,即每变换一个色样都要经过大量的数学计算,因此变换速度较慢。这一缺陷显然不适合当今彩色图像处理的实时快速特点,因此有必要研究一种更加适合彩色图像信息显示特点的CRT 色度变换方法。人工神经网络是近年来迅速崛起的一种信息处理技术。模糊性和并行高速处理是它的两大特点,这些特点恰好与彩色图像信息处理的特点相吻合。因此近年来已有众多学者把神经网络技术应用于色度空间变换的研究中,并取得了肯定的效果。基于上述考虑,本文采用BP 神经网络对CRT 色度变换方法进行了深入研究, 所完成的具有创新内容的工作有: 1. 通过大量实验建立了一套实用的RGB?XYZ 变换或XYZ?RGB 变换的BP 神经网络的结构模型、训练模型、学习规则等。2. 提出了一种基于LOG 变换(即对数变换)的训练样本划分的经验公式,通过实验验证了它的有效性。3. 提出了BP 网的分解训练、派生网的XYZ(?)RGB 变换以及基于查表的XYZ?RGB变换等新方法,并用实验证实了它们的有效性。4. 在计算机上完成了上述CRT 色度变换系统软硬件的模拟: 研制了一套专门用于CRT 色度变换的BP 神经网络的仿真软件;开发了以PC1500 微型光谱仪为核心的CRT 色度测量装置以及用Visual Basic 语言编制的仿真系统控制界面软件等,从而为该项技术的实用化打下了良好的基础。本文的研究结果表明:用于CRT 色度变换的BP 神经网络可以采用4 个隐层、每一隐层的神经元数小于15 的简化结构;采用7×7×7(即343)的训练样本集的RGB(?)XYZ 或XYZ(?)RGB 变换的平均变换精度小于2 个CIELUV 色差单位,基本满足多数实际应用的要求;当训练样本数进一步增加时,变换精度还可以相应提高。