| 1 绪论 | 第1-12页 |
| ·图像处理与模式识别技术 | 第7-10页 |
| ·数字图像基础 | 第7页 |
| ·模式识别与图像处理技术的发展 | 第7-8页 |
| ·新理论和新技术在印刷领域的应用和发展 | 第8-10页 |
| ·本课题的研究内容 | 第10-12页 |
| ·问题的提出 | 第10-11页 |
| ·本课题研究内容 | 第11-12页 |
| 2 彩色印刷色彩处理常用算法及分析 | 第12-15页 |
| ·常用印刷色彩处理算法发展简介 | 第12-14页 |
| ·Neugebauer方程的提出和网点面积率的计算 | 第12页 |
| ·Murray-Davies算法提出与约束求解 | 第12-13页 |
| ·Neugebauer方程进一步修正与数值求解 | 第13-14页 |
| ·传统印刷算法的局限性分析 | 第14-15页 |
| 3 分色系统的样本数据的选取和算法分析 | 第15-20页 |
| ·引言 | 第15页 |
| ·分色方法提出的思路分析 | 第15-16页 |
| ·标准样本数据集的选择与制作 | 第16-18页 |
| ·算法模型流程的设计 | 第18-20页 |
| ·细化复杂问题，分步进行解决 | 第18-19页 |
| ·显微网点识别的阶段化划分原则 | 第19-20页 |
| 4 基于模糊聚类的图像分割算法设计 | 第20-28页 |
| ·课题采用的色彩空间的性质分析 | 第20-21页 |
| ·图像分割算法设计 | 第21-25页 |
| ·显微网点图像的特点分析 | 第21-22页 |
| ·采用模糊聚类技术图像分割 | 第22页 |
| ·模糊矢量量化算法(FVQ)分析 | 第22-24页 |
| ·FVQ算法的具体实现过程描述 | 第24-25页 |
| ·数据压缩及采用的算法简介 | 第25-26页 |
| ·图像分割色彩空间的确定 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 5 构建显微网点分色系统之一--初分类知识库系 | 第28-38页 |
| ·建立分色系统的初分类知识库 | 第28页 |
| ·神经网络模型结构分析 | 第28-30页 |
| ·CMAC神经网络结构特点分析 | 第28-29页 |
| ·实时处理中CMAC神经网络及其局限性分析 | 第29-30页 |
| ·牛顿前向插值算法简介 | 第30-32页 |
| ·NIF-CMAC算法基本原理分析 | 第30页 |
| ·N维牛顿前向插值算法 | 第30-31页 |
| ·算法训练规则 | 第31-32页 |
| ·智能学习方案设计 | 第32页 |
| ·NIF-CMAC激活算法的确定和分析 | 第32-34页 |
| ·最近邻条件 | 第32-33页 |
| ·利用穷尽搜索法的最近邻算法 | 第33-34页 |
| ·泛化功能 | 第34页 |
| ·初分系统的建立 | 第34-37页 |
| ·初分系统设计分析 | 第34-35页 |
| ·哈希编码技术的运用 | 第35-36页 |
| ·采用模糊集理论和信任度分配法进行权重大小调节 | 第36-37页 |
| ·初分知识库分色结果分析 | 第37-38页 |
| 6 构建显微网点分色系统之二--细分类知识库系统 | 第38-46页 |
| ·神经网络和数据融合知识运用分析 | 第38-39页 |
| ·引言 | 第38页 |
| ·细分知识库中网点图像数据分析 | 第38-39页 |
| ·细分系统中的神经网络相关知识阐述 | 第39-41页 |
| ·网络成员学习算法简介 | 第39-40页 |
| ·反向传播算法具体实现 | 第40-41页 |
| ·算法收敛性和局部极小值分析 | 第41页 |
| ·信息融合方法(IFM)分析 | 第41-44页 |
| ·信息融合理论研究来源简介 | 第41页 |
| ·信息融合的基本功能 | 第41-42页 |
| ·信息融合中采用卡尔曼加权融合法 | 第42-44页 |
| ·细分知识库构建分析 | 第44-46页 |
| ·采用信任度方法划分数据子区域 | 第44-45页 |
| ·像素颜色模式确定 | 第45-46页 |
| 7 分色系统实验结果与分析 | 第46-50页 |
| ·细分知识库系统算法参数设置 | 第46-47页 |
| ·显微网点图像分色实验结果 | 第47-49页 |
| ·课题总结和展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录 | 第53页 |