基于人工神经网络的彩色扫描仪特征化
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·课题背景及其研究意义 | 第7-8页 |
| ·课题的研究背景 | 第7页 |
| ·课题的研究目的及意义 | 第7-8页 |
| ·彩色扫描仪特征化方法的研究现状 | 第8-15页 |
| ·扫描仪色度特征化模型研究现状 | 第8-13页 |
| ·扫描仪光谱特征化模型研究现状 | 第13-14页 |
| ·扫描仪特征化的其他相关研究 | 第14-15页 |
| ·论文的研究内容 | 第15页 |
| ·论文结构 | 第15-17页 |
| 第二章 彩色扫描仪色度特征化原理 | 第17-27页 |
| ·彩色扫描仪成像原理 | 第17-19页 |
| ·与设备无关的CIE 颜色空间 | 第19-21页 |
| ·CIE1931XYZ 颜色空间 | 第19-20页 |
| ·CIELAB 颜色空间 | 第20-21页 |
| ·CIELAB 和CIE DE2000 色差公式 | 第21-24页 |
| ·CIELAB 色差公式 | 第22-23页 |
| ·CIE DE2000 色差公式 | 第23-24页 |
| ·本章小结 | 第24-27页 |
| 第三章 支持向量机回归机理论 | 第27-35页 |
| ·支持向量机基础理论 | 第27-32页 |
| ·VC 维理论 | 第27页 |
| ·结构风险最小化原理 | 第27-28页 |
| ·线性支持向量机与广义支持向量机 | 第28-31页 |
| ·核函数的概念 | 第31-32页 |
| ·非线性支持向量机 | 第32页 |
| ·支持向量机回归机（SVR）预测模型 | 第32-34页 |
| ·常见的损失函数 | 第33页 |
| ·采用? -不敏感损失函数的SVR 回归算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于SVR 的扫描仪特征化处理 | 第35-43页 |
| ·扫描仪特征化模型的建立 | 第35页 |
| ·扫描仪特征化模型的数学推导 | 第35-36页 |
| ·基于SVR 的扫描仪特征化数值试验 | 第36-40页 |
| ·样本数据采集 | 第37页 |
| ·数据处理 | 第37-38页 |
| ·算法实现 | 第38页 |
| ·实验结果及分析 | 第38-40页 |
| ·CIE DE2000 在色差评价中的应用研究 | 第40-42页 |
| ·CIE DE2000 色差公式的研究现状 | 第40页 |
| ·数值实验 | 第40-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章：总结与展望 | 第43-44页 |
| ·总结 | 第43页 |
| ·未来的研究 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录A：作者在攻读硕士学位期间发表的论文 | 第48-49页 |
| 附录B：实验样本数据 | 第49-56页 |
