Die Farbkalibration ist ein entscheidender Aspekt in der Photo- und Druckindustrie sowie in der Computergraphik. In dieser Arbeit wird die Möglichkeit der Anwendung von überwachten Algorithmen neuronaler Netze auf das Problem der Farbwiederherstellung und Farbkorrektur untersucht. Die Farbverzerrungen bestehen typischerweise aus dem Verlust von Helligkeit und Farbsättigung, aus einer Farbverfälschung und aus Grenzdefekten. Die hohe Nichtlinearität der Farbverzerrungen führt dazu, daß die konventionellen Methoden (wie z.B. polynomiale Regression) zu zeitaufwendig oder zu ineffizient sind.
Die neuronalen Netze zeigen die Fähigkeit, dreidimensionale Abbildungen zwischen verzerrten und echten Farben eines Bildes aufzubauen. Die Vorverarbeitung entsprechend der CIE-Farbkonvertierung führt dazu, daß der Algorithmus in stark verzerrten Grenzbereichen effektiv einsetzbar ist. Die Möglichkeit, durch einmaliges Training die Systeme auf beliebige Scanner zu portieren, öffnet ein großes Feld für zukünftige Anwendungen.
Das untersuchte System eliminiert die Verzerrungen des farbverarbeitenden Gerätes bestmöglich. Die Funktionalität solcher Algorithmen wird am Beispiel eines handelsüblichen Scanners demonstriert. Ein wichtiges Ziel ist weiterhin, eine passende neuronale Netz-Architektur zu entwickeln, die hohe Wiederherstellungsfähigkeit im Bezug auf gegebene Zeitbegrenzungen realisiert. Diese Arbeit wird durch die Gottlieb Daimler- und Karl Benz-Stiftung gefördert.