基于染色的颜色匹配信息数学描述方法研究

染色的计算机配色具有很广的应用前景，染色配方的预测所依据的数学模型和染料配方预测算法决定了配方的精度。目前染色的计算机配色一般基于两种理论：一种是基于传统Kubelka-Munk理论的光谱拟合或三刺激值匹配法，另一种是基于神经网络理论的配方预测法。为了提高织物染色计算机配色的精度和适应性，本研究拟通过计算与实验的技术手段建立织物染色的计算机配色数学模型，实现用数学的方法描述颜色的匹配信息，并设计相应染料的颜色信息库和配方预测算法，建立合理的织物染色计算机配色数学模型和染色配方预测的最优化算法，从而给出织物染色较精确的配方。项目主要的研究内容包括减色拼色前各种染料染色的光谱分布和三刺激值与拼色后的混合染料染色的光谱分布和三刺激值之间的关系，建立减色拼色后由拼色前各单色染料的染色三刺激值求解拼色后的混合染料的染色三刺激值的配色模型及染色染料配方的最优化求解方法。

颜色的匹配具有非常复杂理论基础，用数学方法描述颜色的匹配信息具有相当的挑战性。本项目对颜色的匹配算法进行了较深入的研究与探讨。为了提高织物染色计算机配色的精度和适应性，并随着数字化技术的发展，本项目没有沿着传统的方法进行研究，而是通过实验与计算的完全数字化技术手段建立了织物染色的计算机配色数学模型，实现了用数学的方法描述颜色的匹配信息和配方预测算法，建立了合理的织物染色计算机配色数学模型和染色配方预测的最优化算法，从而给出织物染色较精确的配方。项目主要的研究内容包括减色拼色前各种染料染色的三刺激值与拼色后的混合染料染色的三刺激值之间的关系，建立了减色拼色后由拼色前各单色染料的染色三刺激值求解拼色后的混合染料的染色三刺激值的配色模型以及染色染料配方的最优化求解方法，从而得到染色的染料配方。项目共计发表论文13篇，另外3篇也已经完成，培养年轻教师5名，培养硕士研究生14名,其中9名已经毕业。