摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第一章 绪论 | 第12-29页 |
·跨媒体颜色复制的需求及应用领域 | 第12-20页 |
·跨媒体颜色复制及其存在的问题 | 第12-14页 |
·不同颜色的复制要求 | 第14-17页 |
·实现色度颜色复制的途径 | 第17-20页 |
·国内外研究的历史、现状和发展方向 | 第20-25页 |
·基于色度的跨媒体颜色复制 | 第20页 |
·色貌现象 | 第20-21页 |
·色貌模型 | 第21-24页 |
·基于色貌模型的颜色管理系统 | 第24-25页 |
·本论文研究的内容 | 第25-29页 |
·关联色貌模型 | 第25-27页 |
·关联色貌模型的神经网络实现 | 第27页 |
·基于色貌的 CRT 特性化 | 第27-28页 |
·对 CIECAM02 彩色背景输入色的预处理 | 第28-29页 |
第二章 色貌现象、色适应及色貌模型 | 第29-70页 |
·色貌现象 | 第29-33页 |
·同时对比或诱导 | 第30-31页 |
·色差增强 | 第31页 |
·扩散效应 | 第31-32页 |
·Bezold-Brücke 色调漂移 | 第32页 |
·Hunt 效应 | 第32页 |
·Stevens 效应 | 第32页 |
·照明体折扣 | 第32页 |
·其它色貌现象 | 第32-33页 |
·色适应 | 第33-40页 |
·色适应 | 第33-35页 |
·色适应变换 | 第35-40页 |
·混合色适应 | 第40-46页 |
·混合色适应和不完全色适应 | 第40-41页 |
·TC8-04 的实验条件 | 第41-43页 |
·跨媒体图像比较的观察技术 | 第43-46页 |
·记忆观察技术 | 第43页 |
·相继双眼观察技术 | 第43-44页 |
·同时双眼观察技术 | 第44页 |
·同时单眼观察技术 | 第44页 |
·相继匀场(Ganzfeld)单眼观察技术 | 第44-46页 |
·色貌模型 | 第46-69页 |
·色貌及其属性 | 第47-48页 |
·早期的色貌模型 | 第48-50页 |
·CIECAM97s 色貌模型 | 第50-52页 |
·CIECAM02 色貌模型 | 第52-66页 |
·观察视场的结构 | 第52-54页 |
·输入数据与环境参数 | 第54-56页 |
·输出数据 | 第56页 |
·CIECAM02 的构成 | 第56-59页 |
·CIECAM02 色貌模型的计算步骤 | 第59-66页 |
·CIECAM02 的不足之处 | 第66页 |
·图像色貌模型 | 第66页 |
·色貌模型的应用 | 第66-69页 |
·本章小结 | 第69-70页 |
第三章 基于神经网络的关联色貌模型 | 第70-117页 |
·传统色貌模型在颜色复制中的作用 | 第70-71页 |
·关联色貌模型 | 第71-72页 |
·关联色貌模型的神经网络实现方法 | 第72-78页 |
·人工神经网络和 BP 训练算法 | 第73-77页 |
·关联色貌模型人工神经网络的训练样本获取及模型预测精度检验方法 | 第77-78页 |
·神经网络色貌预测能力的检验 | 第78-94页 |
·LUTCHI 数据的 BP 神经网络预测 | 第79-82页 |
·LUTCHI 数据 | 第79-81页 |
·BP 网络的训练 | 第81页 |
·神经网络预测能力检验 | 第81-82页 |
·CIECAM02 模型的 BP 神经网络实现 | 第82-89页 |
·ColorChecker 色卡及 Munsell 系统 | 第82-86页 |
·网络结构和参数 | 第86-87页 |
·网络预测的结果与讨论 | 第87-88页 |
·实验结果分析 | 第88-89页 |
·基于色貌模型的跨媒体颜色复制 | 第89-94页 |
·实验数据的产生 | 第89-91页 |
·神经网络训练 | 第91页 |
·预测结果的评价 | 第91-94页 |
·分析 | 第94页 |
·基于视觉匹配的关联色貌模型神经网络实现 | 第94-116页 |
·实验设备 | 第95-103页 |
·NCS 色序系统及其量化表示 | 第95-99页 |
·CRT 均匀性和稳定性测试实验 | 第99-103页 |
·CRT 的屏幕均匀性和稳定性 | 第100页 |
·CRT 均匀性和稳定性的检测流程 | 第100页 |
·数据分析 | 第100-103页 |
·样本集的产生 | 第103-107页 |
·视觉匹配实验 | 第103-105页 |
·关联色貌模型样本集产生 | 第105页 |
·获取数据的可靠性 | 第105-107页 |
·数据泛化处理 | 第107-109页 |
·实验结果评价 | 第109-115页 |
·正向预测的评价 | 第109-110页 |
·视觉估计法(对逆向预测的评价) | 第110-115页 |
·结论 | 第115-116页 |
·本章小结 | 第116-117页 |
第四章 基于色貌的 CRT 视觉特性化 | 第117-133页 |
·CRT 的特性化 | 第117-122页 |
·基于 CIEXYZ 的传统 CRT 特性化 | 第117-121页 |
·PLVC 法 | 第119页 |
·三维查表法( 3D-LUT) | 第119-120页 |
·反馈校正法 | 第120页 |
·GOG 模型法 | 第120页 |
·神经网络法 | 第120-121页 |
·基于色貌的 CRT 视觉特性化方法 | 第121-122页 |
·视觉特性化实验 | 第122-131页 |
·实验样本 | 第122页 |
·数据泛化处理 | 第122-124页 |
·预转换 | 第123页 |
·分色调网络( Hue- Divided Neural Networks)训练 | 第123-124页 |
·神经网络的精度 | 第124-128页 |
·正向预测精度 | 第124-126页 |
·逆向预测精度 | 第126-128页 |
·色坐标系的转换 | 第128-131页 |
·应用和讨论 | 第131页 |
·本章小结 | 第131-133页 |
第五章 对 CIECAM02 彩色背景输入颜色的预处理 | 第133-149页 |
·CIECAM02 观察条件参数的描述 | 第133-134页 |
·心理物理视觉实验 | 第134-148页 |
·实验前的数据测量 | 第134-136页 |
·黑、白无彩色背景实验 | 第136-138页 |
·灯箱、显示器白点的设置 | 第136页 |
·硬拷贝色样 | 第136-137页 |
·观察条件 | 第137页 |
·观察结构 | 第137-138页 |
·实验结果分析 | 第138页 |
·彩色背景视觉实验 | 第138-143页 |
·硬拷贝背景 | 第138-139页 |
·观察条件和观察结构 | 第139页 |
·硬拷贝样本 | 第139-141页 |
·数据的获取 | 第141-142页 |
·数据的可靠性 | 第142-143页 |
·彩色背景视觉实验的数据处理 | 第143-144页 |
·数据处理流程 | 第143页 |
·色诱导模型 | 第143-144页 |
·色诱导公式的推导 | 第144-148页 |
·数据分析 | 第144-145页 |
·色诱导公式 | 第145-147页 |
·公式性能的检验 | 第147-148页 |
·本章小结 | 第148-149页 |
第六章 总结与展望 | 第149-152页 |
·总结 | 第149-150页 |
·本论文的创新点 | 第150-151页 |
·存在的问题与展望 | 第151-152页 |
参考文献 | 第152-174页 |
攻读博士期间发表的论文 | 第174-176页 |
致谢 | 第176-177页 |