| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题背景 | 第8页 |
| 1.2 国内外相关研究现状及发展趋势 | 第8-13页 |
| 1.2.1 计算机配色研究现状及发展趋势 | 第8-9页 |
| 1.2.2 人工神经网络研究现状及发展趋势 | 第9-11页 |
| 1.2.3 小波变换研究现状及发展趋势 | 第11-12页 |
| 1.2.4 遗传算法研究现状及发展趋势 | 第12-13页 |
| 1.2.5 混合模型研究现状及发展趋势 | 第13页 |
| 1.3 研究的目的、意义及内容 | 第13-15页 |
| 1.3.1 研究目的 | 第13-14页 |
| 1.3.2 研究意义 | 第14页 |
| 1.3.3 研究内容 | 第14-15页 |
| 1.4 技术路线 | 第15页 |
| 1.5 论文章节安排 | 第15-17页 |
| 2 基于峰值密度函数改进的RBF神经网络的木材染色配色模型 | 第17-28页 |
| 2.1 颜色空间模型 | 第17-20页 |
| 2.1.1 RGB颜色空间 | 第17-18页 |
| 2.1.2 HSV颜色空间 | 第18页 |
| 2.1.3 L*a*b*颜色空间 | 第18-19页 |
| 2.1.4 CMY颜色空间 | 第19页 |
| 2.1.5 YUV颜色空间 | 第19-20页 |
| 2.1.6 颜色空间选择 | 第20页 |
| 2.2 RBF神经网络基础 | 第20-23页 |
| 2.2.1 人工神经网络定义 | 第20页 |
| 2.2.2 人工神经网络的基本特点 | 第20-21页 |
| 2.2.3 人工神经网络的工作机理 | 第21页 |
| 2.2.4 RBF神经网络 | 第21-23页 |
| 2.3 基于峰值密度函数改进的RBF神经网络的木材染色配色模型建立 | 第23-25页 |
| 2.4 仿真结果与分析 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于小波RBF神经网络的木材染色配色模型 | 第28-33页 |
| 3.1 小波变换概述 | 第28-29页 |
| 3.1.1 小波变换定义 | 第28-29页 |
| 3.1.2 小波变换的特点 | 第29页 |
| 3.2 基于小波RBF神经网络的木材染色配色模型建立 | 第29-31页 |
| 3.3 仿真结果与分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于遗传算法全局优化RBF神经网络的木材染色配色模型 | 第33-39页 |
| 4.1 遗传算法概述 | 第33-35页 |
| 4.1.1 遗传算法简介 | 第33-34页 |
| 4.1.2 遗传算法的特点 | 第34-35页 |
| 4.2 基于遗传算法全局优化RBF神经网络的木材染色配色模型建立 | 第35-36页 |
| 4.3 仿真结果与分析 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 木材染色计算机自动配色系统的实现 | 第39-47页 |
| 5.1 混合模型的选取 | 第39页 |
| 5.2 系统设计原理 | 第39-40页 |
| 5.3 配色系统的设计 | 第40-46页 |
| 5.3.1 基于OPC实现MATLAB与MCGS的实时通讯 | 第40-41页 |
| 5.3.2 构造实时数据库 | 第41-42页 |
| 5.3.3 用户窗口的组态 | 第42-45页 |
| 5.3.4 运行策略编写 | 第45-46页 |
| 5.3.5 主控窗口组态 | 第46页 |
| 5.4 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53-54页 |
