采用三层BP网络实现摄像机输出RGB颜色空间与CIEXYZ色空间转换， 个节点，传递函数采用tan sig函数；输出层传递函数选用 purelin函数。经过
其中隐层含有12
测试后结果 满意，可以认为该神经网络可以用来实现这个关系映射。网络的结构如图 5.9所示：
其中土 R-输入层节点飯別一隐展节点.較
E 5.9 三层网络结构
得到的BP神经网络的权值和阈值为:
出层节点敷
-0.0029 -0.0088 -0.0098 0.0067 0 0030
0.0237 -0.0098 0.0095 -0.0122 0.0019
0.0004 0.032-4
0.0058 -2,48941 34834 1.9623 1.9752 -5 2871 -2.2328 3.9347 -1.2996 1.9118 -5.0905 -0T144
0.0792 -01199
0.0341 -0.0129 0.0104 -Ci 0129
-0.0043 -0 0142 -C10127 -00011 -0.0016
0.0035
0 1392 -0.1281
-00141 -0.0094 0.0879
Cl. 0807
-0 0031 0.0茁 4
-0.0208
-0 0214 -0 0529
48162
0.2393
1.1705 0.0684
0.4086 0.1712 07430 -0.0577 0 0553
0 0018 0.0034 0.0731 1.4704
■- 0.10681
-0.4251 -0.3157 -0 1085 0,0064 -0,04^7 -Q.1109 -0.0^41 -0 2796 0.0283 0.8756
0.0191 07501
0.2924 0 1938 0.3203 -0 0023 -0.0106 -0.0116 014菇 0.1497
-0.0162 -0 0207
0.0429
0.0164
切二 0 1532 1 1J72
5.7本章小结
1) 定量地分析了用线性关系转换摄像机
RGB空间到CIE-XYZ空间数据后产生的均方误
RGB与CIE-XYZ间
差，表明CCD摄像机与标准观察者之间有比较明显的差别，也就是说 的转换是非线性的
2) 采用MATLAB中神经网络工具箱实现多层前馈 BP网络的RGB到CIEXYZ颜色空间
转换，用经过归一化的训练样本与测试样本对隐层节点数为
5
-4
12的三层网络进行训练，得到
的训练误差为9.89028 X10-，测试误差为1.9899 X10，结果表明经过训练的多层前馈 BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求，达到了预定目标。
3) 确定了用于RGB和XYZ颜色空间转换的BP网络结构，并求出了该神经网络的权值 和阈值。使
用该网络可以定量表达食品颜色，定量比较高压加工食品颜色的变化，可以使 食品颜色测定和控制实现定量化，而不再是主观性很强的模糊描述。
BP神经网络的基本原理-一看就懂
