در این رساله مکانیزم جذب مواد رنگزای دیسپرس و اسیدی توسط الیاف پلی آمید (نایلون 6) در غلظت های مختلف با استفاده از اطلاعات جذب سطحی محلول های رنگرزی بعنوان روش متداول و کلاسیک مطالعه شده است. ثابت معادلات با استفاده از روش های برازش حداقل مربعات خطی غیر خطی تعیین شده اند. در بررسی ارزش آماری معادلات جذب از مجموعه ای از آماره ها مانند r2, cv% x2 و rss استفاده شده است. همچنین اهمیت معادلات جذب لانگمویر، فرندولیچ، نرنست و دوحالته برای هر رنگزا با ارزیابی تغییرات عمق رنگی درک شده بررسی گردیده است. در ادامه با تعریف مفهوم مقیاس پذیری فضای طیفی حاصل از مقادیر انعکاسی در مدل رنگی کیوبلکا-مانک بعنوان یک مدل خطی و بررسی آن در مقادیر مختلف غلظت و طول موج های متفاوت تلاش گردیده است تا طول موجه های بهینه به منظور توسعه و تعمیم این مدل به غلظت های بیشتر و یافتن یک تکنیک منطقی برای تعریف محدوده تا حد ممکن دقیق برای این تابع در منسوجات معرفی شوند. بدین منظور معیارهایی برای دسته بندی طول موج ها و انتخاب طول موج های مناسب برای گسترش قابلیت این مدل در تخمین غلظت در مقادیر بالاتر ارایه گردیده است. نهایتا با استفاده از محدوده بدست آمده برای تابع انعکاس تلاش شده است تاایزوترم جذب تراکم بر رفتار رنگرزی مواد رنگزای بکار گرفته شده در این تحقیق بر روی الیاف نایلون 6 با کمک اطلاعات انعکاسی نمونه های رنگرزی شده بررسی گردد و نتایج با معادله جذب تعیین شده توسط مدل رنگی بیر-لامبرت بعنوان یک مرجع و متداول مقایسه شود. همچنین قابلیت مدل رنگی هندسی بعنوان یک مدل غیرخطی در بررسی ظاهر رنگی منسوجات و تخمین غلظت در نواحی مختلف مورد مطالعه قرار گرفته است. نتایج این تحقیق نشان داده اند که انتخاب نوع آماره و نحوه تعیین پارامترهای معادلات در نتیجه نهایی به منظور انتخاب مناسبترین ایزوترم بسیار موثر می باشد. از طرفی انتخاب معادله جذب حاکم بر رفتار رنگزا در شرایط تعادل به محدوده غلظت های بکارگرفته شده بستگی دارد. همچنین در پیشگویی غلظت رنگزا با استفاده از تابع کیوبلکا-مانک ضرورتی وجود ندارد که تابع انعکاس طیفی همواره در بزرگترین مقدار خود یعنی در طول موج حداکثر جذب مورد استفاده قرار گیرد. در اینصورت تخمین غلظت در عمق های متوسط و سنگین به دلیل انحراف زودهنگام تابع مذکور از حالت خطی با مقادیر خطای بزرگی همراه خواهد بود. بنابراین در صورت استفاده از طول موجه ای مناسب که در آن تابع مذکور با غلظت تا محدوده وسیع تری خطی می باشد تخمین غلظت در مقادیر بالاتری با خطای قابل قبولی میسر می باشد. براساس نتایج کسب شده در این رساله در صورت یافتن طول موجهایی که مقدار تابع انعکاس در آنها حدود 17 باشد می توان پیشگویی غلظت را با خطای ناچیزی انجام داد. در هر حال نتایج حاصله از این تحقیق نشان می دهد که مدل هندسی حتی در شکل های اصلاح شده نیز علی رغم پیچیدگی محاسباتی بیشتری که دارد منجر به کسب نتایج چندان بهتری نمی گردد و مدل کیوبلکا-مانک در شرایط تعمیم یافته بواسطه کسب نتایج مناسب و همچنین سادگی در کاربرد مدل بهینه ای برای استفاده از اطلاعات انعکاسی در تخمین غلظت می باشد.

ظاهر رنگی یک جسم و یا یک تصویر با تغییر شرایط مشاهده، مانند تغییر محیط، منبع نوری، زمینه و سطح روشنایی تغییر می کند. این پدیده منجر به ایجاد مشکلات جدی در کنترل رنگ می گردد. در سال های اخیر مدل های ظاهر رنگی پیشرفت های زیادی در زمینه¬ی شرح، پیشگویی و دوباره تولید رنگ ها در شرایط مختلف مشاهده داشته اند. از جمله موارد مهم در تشخیص رنگ دریافتی از یک جسم یا تصویر، تأثیر محیط روی ظاهر رنگی جسم است. برخلاف چشم، سامانه¬ی بینایی رنگی ماشین، قادر به تشخیص اثر زمینه روی رنگ نمونه نیست. هدف از انجام این تحقیق، بررسی ظاهر رنگی نمونه های خاکستری روی زمینه های آکروماتیک در بینایی رنگی انسان و مدل سازی آن در دوربین دیجیتالی است. در این تحقیق، با استفاده از دستگاه رادیواسپکتروفتومتر، مانیتور eizo کالیبره گردید. آزمایشات برای بررسی اثر زمینه های آکروماتیک روی ظاهر رنگی دو نمونه خاکستری انجام شد. نمونه های مورد ارزیابی، دارای دو سطح روشنایی متفاوت و زمینه های آکروماتیک شامل سیاه، سفید و خاکستری بود. با استفاده از دو نرم افزار متلب و فتوشاپ، یک معیار خاکستری با 26 سطح روشنایی متفاوت تهیه شد. برای ارزیابی بصری در نمایشگر، از 22 ناظر و در ارزیابی زیر کابینت نوری، از 17 ناظر، با سن میان 25 تا 42 سال استفاده شد. هر ناظر، نمونه¬ی خاکستری قرار گرفته روی زمینه¬ی آکروماتیک را ارزیابی کرده و با استفاده از روش مقایسه¬ی دوتایی، نمونه¬ی مشابه از معیار خاکستری را انتخاب نمود. با استفاده از الگوریتم بهینه سازی شبکه¬ی عصبی مصنوعی، نتایج حاصل از مشاهده¬ی ناظرین، تحلیل شد. اگرچه که بینایی دوربین بر اساس بینایی انسان شبیه سازی شده است، اما در بعضی جهات دقت دید انسان با دید دوربین دیجیتال، متفاوت است. از مصادیق این امر تأثیر محیط روی رنگ دریافتی است. بر طبق داده های بدست آمده و با استفاده از قابلیت الگوریتم شبکه¬ی عصبی، می توان حساسیت رنگی دید انسان را برای دوربین، مدل سازی کرد. نتایج بدست آمده، بیانگر ارتباط صحیح میان ارزیابی مشاهده کنندگان با مدل سازی انجام شده توسط شبکه عصبی است. اهمیت توجه به این موضوع می تواند در بسیاری از موارد مانند شبیه سازی دید انسان برای روبات بسیار موثر باشد.