حسین ایزدان
سید عبدالکریم حسینی و محمدرضا آشوری
and M. Ashori

در این پژوهش کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی پرسپترون با سه لایه و چهارلایه و الگوریتم آموزش پس انتشار خطا برای پارچه های پلی استر رنگی انجام شد. نتایج نشان می دهد که اگر نمونه های آموزشی به صورت تصادفی انتخاب شوند، جوابهای مناسبی به دست نمی آید. لیکن استفاده از نمونه های آموزشی انتخابی برای مشخصه های L*a*b* یا RGB منجر به جوابهای مناسب می شود. هرچند نتایج نمونه های انتخابی از L*a*b* بهتر است.همچنین اختلاف رنگ بین XYZ محاسباتی و XYZ واقعی برای نمونه های مجهول نه تنها با نتایج روش رگرسیون با چند جمله ایهای مختلف قابل مقایسه است بلکه نسبت به تحقیقات قبلی انجام شده در زمینه کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی نتایج بهتری را نشان می دهد

Scanner, Colorimetric calibration, Perceptron neural network, Selective training samples., اسکنر، کالیبراسیون رنگی، شبکه عصبی پرسپترون، نمونه های آموزشی انتخابی.