1、隨著計算機技術及其外設的普及，傳統(tǒng)的顏色控制方法已經融合了先進的數字技術，形成了一個嶄新的顏色控制方法，即色彩管理技術。該技術廣泛應用于彩色桌面出版系統(tǒng)、網絡傳播、紡織印染等領域和行業(yè)，以解決顏色在不同介質的媒體中正確傳播的問題。顏色空間轉換模型的研究是色彩管理技術實現(xiàn)的核心環(huán)節(jié)之一，顏色值在不同顏色空間之間的轉換精度和速度，對提高色彩管理技術的整體水平有重要意義。與此同時，人工智能控制理論的發(fā)展已成為計算機學科的一個分支，并在許多學科

2、領域得到了廣泛的應用，在近三十年來取得了豐碩的成果。
　　本課題在對目前常用的顏色空間轉換模型進行分析的基礎上，將人工智能控制理論中應用最為廣泛的神經網絡和模糊邏輯理論，引入到色彩管理技術中不同顏色空間模型之間的相互轉換問題，建立了基于模糊理論的顏色空間轉換方法和基于神經網絡的顏色空間轉換方法，并結合這兩種顏色空間轉換方法的特點，建立了基于模糊神經網絡辨識方法的顏色空間轉換模型。
　　在顏色空間轉換模糊模型的研究中，采用將輸

3、入顏色空間顏色分量分別劃分為三個、四個和五個模糊子集的方法，通過建立模糊規(guī)則，進行模糊推理，實現(xiàn)了顏色值在不同顏色空間之間的轉換。為了討論模型特點，定義了顏色空間轉換模型的穩(wěn)定性和魯棒性的概念。研究結果顯示，顏色空間轉換模糊模型雖然具有轉換速度快、穩(wěn)定性強等特點，但同時又表現(xiàn)出轉換精度不足以及魯棒性較差的特征。
　　在神經網絡顏色空間轉換模型的研究中，分別采用BP神經網絡和徑向基網絡進行顏色空間轉換，并建立了基于動態(tài)子空間自動劃分

4、的神經網絡顏色空間轉換方法。研究結果顯示，神經網絡顏色空間轉換模型雖然具有自組織、自學習、自適應的能力，并在局部子空間中具有自適應辨識能力強和精度高等優(yōu)勢，但模型又表現(xiàn)出其穩(wěn)定性和魯棒性不足的特點。
　　論文在對模糊控制與神經網絡結合方式的深入研究的基礎上，本文又提出了顏色空間轉換模糊神經網絡辨識方法。該方法結合了顏色空間轉換模糊模型和神經網絡模型各自的特點，合理實現(xiàn)了模糊與神經網絡顏色空間轉換算法的優(yōu)勢互補，不僅大大提高了模型的