| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 1 绪论 | 第17-23页 |
| ·引言 | 第17-18页 |
| ·国内外研究现状分析 | 第18-20页 |
| ·木材染色技术国内外的研究发展趋势 | 第18页 |
| ·计算机配色国内外研究现状及发展趋势 | 第18-20页 |
| ·木材染色计算机配色研究现状及发展趋势 | 第20页 |
| ·课题研究的目的、内容及创新点 | 第20-23页 |
| ·研究目的 | 第20-21页 |
| ·研究意义 | 第21页 |
| ·研究内容 | 第21-22页 |
| ·创新点 | 第22-23页 |
| 2 试验材料与颜色表征 | 第23-27页 |
| ·试验材料 | 第23-24页 |
| ·试材 | 第23页 |
| ·染料 | 第23页 |
| ·试验仪器 | 第23-24页 |
| ·染色方法 | 第24页 |
| ·颜色表征 | 第24-26页 |
| ·CIE-CMYK空间 | 第24-25页 |
| ·CIE-L~*a~*b~*空间 | 第25页 |
| ·木材单板测色原理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 单板染色工艺研究 | 第27-35页 |
| ·试验方法 | 第27-28页 |
| ·结果与分析 | 第28-33页 |
| ·樟子松单板染色工艺 | 第28-33页 |
| ·大青杨单板染色工艺 | 第33页 |
| ·本章小结 | 第33-35页 |
| 4 解剖构造对染色效果的影响 | 第35-49页 |
| ·试验方案、材料和方法 | 第35-36页 |
| ·试验方案 | 第35页 |
| ·材料的采集与加工 | 第35-36页 |
| ·试验相关指标的测定与分析方法 | 第36页 |
| ·结论与分析 | 第36-47页 |
| ·人工林樟子松解剖构造对染色效果的影响 | 第36-41页 |
| ·人工林大青杨解剖构造对染色效果的影响 | 第41-47页 |
| ·本章小结 | 第47-49页 |
| 5 单板仿珍贵材三刺激值计算机配色研究 | 第49-61页 |
| ·理论依据 | 第49-51页 |
| ·Kubelka-Munk理论 | 第49-50页 |
| ·三刺激值计算机配色原理 | 第50-51页 |
| ·试验方案设计 | 第51-52页 |
| ·结论与分析 | 第52-59页 |
| ·人工林樟子松仿珍贵材 | 第52-56页 |
| ·人工林大青杨仿珍贵材 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 6 基于神经网络的配色模型研究 | 第61-75页 |
| ·人工神经网络基础 | 第61-65页 |
| ·人工神经元网络 | 第61-62页 |
| ·神经网络模型分析及选取 | 第62-65页 |
| ·基于RBFNN的染色配色模型的建立 | 第65-68页 |
| ·数据获取与整理 | 第65-66页 |
| ·模型建立 | 第66-67页 |
| ·RBFNN参数设置 | 第67-68页 |
| ·模型实现 | 第68页 |
| ·仿珍贵材结果与分析 | 第68-74页 |
| ·仿珍贵材结果 | 第68-73页 |
| ·仿珍贵材结果分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 7 改进的RBF神经网络的木材染色颜料配方预测模型 | 第75-83页 |
| ·模型改进的基本思想 | 第75页 |
| ·改进模型算法推导及参数确定 | 第75-78页 |
| ·算法推导 | 第75-77页 |
| ·改进模型网络结构和参数的确定 | 第77-78页 |
| ·仿珍贵材结果及分析 | 第78-81页 |
| ·仿珍贵材结果 | 第78-80页 |
| ·仿珍贵材结果分析 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 8 基于解剖特性的模糊神经网络建模在配方预测中的应用 | 第83-93页 |
| ·模糊神经网络基础 | 第83-84页 |
| ·模糊理论 | 第83页 |
| ·模糊系统与神经网络的结合 | 第83-84页 |
| ·模糊RBF神经网络极其改进研究 | 第84-87页 |
| ·模糊RBF神经网络 | 第84-86页 |
| ·模糊RBF神经网络改进 | 第86-87页 |
| ·基于模糊神经网络的解剖特性-配方预测模型建立 | 第87-89页 |
| ·樟子松预测模型建立 | 第87页 |
| ·大青杨预测模型建立 | 第87-88页 |
| ·数据来源 | 第88页 |
| ·参数选择 | 第88-89页 |
| ·仿珍贵材结果与分析 | 第89-91页 |
| ·仿珍贵材结果 | 第89-90页 |
| ·结果分析 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 9 基于动态模糊神经网络的木材染色颜料配方预测模型 | 第93-99页 |
| ·动态模糊神经网络介绍 | 第93-96页 |
| ·DNFM网络结构 | 第93-95页 |
| ·DNFM的学习算法 | 第95-96页 |
| ·木材染色颜料配方预测模型建立 | 第96页 |
| ·仿珍贵材结果分析 | 第96-98页 |
| ·仿珍贵材结果 | 第96-98页 |
| ·结果分析 | 第98页 |
| ·本章小结 | 第98-99页 |
| 10 木材染色计算机自动配色系统设计 | 第99-105页 |
| ·系统设计原理 | 第99页 |
| ·配色系统的设计 | 第99-104页 |
| ·主菜单 | 第100-101页 |
| ·重新开始训练(Run) | 第101-102页 |
| ·装入以前训练结果(Load) | 第102页 |
| ·帮助及退出 | 第102-103页 |
| ·训练菜单 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 结论与展望 | 第105-109页 |
| 参考文献 | 第109-115页 |
| 攻读博士学位期间发表论文 | 第115-117页 |
| 致谢 | 第117-118页 |
