1.基于模糊理论和神经网络的色彩空间转换方法，其特征在于，具体按照以下步骤实施：步骤1：选择输入颜色空间的采样点，采集采样点的建模数据；

步骤2：建立模糊神经色彩空间转换模型，将步骤1得到的采样点的建模数据输入到模糊神经色彩空间转换模型中，完成色彩空间的转换；所述的建立模糊神经色彩空间转换模型，具体按照以下步骤实施：a.首先，输入RGB颜色空间转换点的颜色值，定义为X（r，g，b）；

b.设定RGB子空间半径，定义为δ，设定模糊划分子空间半径δ的初值为5；

* * *

c.输入RGB颜色空间和对应的CIELab 颜色空间样本集矩阵；

d.设X点为中心，计算X左（r-δ，g-δ，b-δ）和X右（r+δ，g+δ，b+δ）点的坐标，如果X左和X右点超出RGB颜色空间，则X左和X右点投影到RGB颜色立体的表面；

e.采用颜色空间转换模糊模型输出X左和X右对应的CIEL*a*b*颜色空间对应的点坐标，定义为Y左（L1，a1，b1）和Y右（L2，a2，b2）；

f.求取既在以X为圆心，δ为半径的RGB子空间中的采样点，又在以Y左Y右为直径的CIEL*ab颜色子空间中的采样点的样本集；

g.如果样本集中间采样点的数量过少，则δ=δ+5，再次计算步骤d～f；

h.如果样本集中间采样点的数量过多，则δ=δ-1，再次计算步骤d～f；

* * *

i.如果样本集中间采样点的数量适当，则在RGB颜色子空间和CIELab 子空间内采用神经网络，利用子空间样本点训练网络，在子空间内建立基于BP神经网络的颜色空间转换模型；所述的神经网络，采用4层BP网络结构，包括一个输出层和三个隐藏层，每个隐藏层的节点数为20，网络隐含层的神经元传递函数采用log-sigmoid型函数logsig（），输出层神经元传递函数采用纯线型函数purelin（），训练函数采用弹性梯度下降法trainrp函数，设定正确的训练参数，其中最大训练次数选择1000次，训练精度选择1，学习率设定为

0.2；

* * *

j.输入X坐标值，利用子空间BP神经网络的颜色空间转换模型，输出X点的CIELab空间的坐标值Y（L，a，b），完成颜色空间转换。

2.根据权利要求1所述的基于模糊理论和神经网络的色彩空间转换方法，其特征在于，所述的步骤1选择输入颜色空间的采样点，采集采样点的建模数据，具体按照以下步骤实施：将RGB颜色空间等分成27个子空间，选择立方体的中心点作为验证模型精度的验证点，总共27个，R、G、B颜色轴取值分别为43、129和213；在RGB颜色空间中选择729个样本点，采样点的选择是在RGB颜色空间中均匀取点，将R、G、B颜色轴八等分，训练样本的R、G、B值分别取为0，32，64，96，128，160，192，224和255，共有729组数据。

3.根据权利要求1所述的基于模糊理论和神经网络的色彩空间转换方法，其特征在于，所述的步骤e中的颜色空间转换模糊模型采用三输入三输出模糊控制器。

4.根据权利要求1所述的基于模糊理论和神经网络的色彩空间转换方法，其特征在于，所述的样本集中间采样点的数量为介于50与100之间。