致谢 | 第1-4页 |
摘要 | 第4-5页 |
Abstract | 第5-9页 |
第1章 绪论 | 第9-21页 |
·课题研究的背景和意义 | 第9-10页 |
·国内外研究现状 | 第10-19页 |
·国内外高保真分色方法研究 | 第10-16页 |
·国内外特征光谱及其提取方法研究 | 第16-17页 |
·国内外基色选择算法研究 | 第17-19页 |
·本课题的研究目标及研究内容 | 第19-20页 |
·研究目标 | 第19页 |
·研究内容 | 第19-20页 |
·论文的组织安排 | 第20页 |
·本章小结 | 第20-21页 |
第2章 色彩高保真复制的理论基础 | 第21-50页 |
·色彩高保真复制理论与技术的发展 | 第21-26页 |
·色彩高保真复制理论 | 第21-24页 |
·色彩高保真复制技术 | 第24-26页 |
·高保真分色技术理论 | 第26-39页 |
·多基色分区方法的基本原理 | 第26-27页 |
·基于 Neugebauer 方程分色算法的基本原理 | 第27-35页 |
·基于神经网络光谱分色算法的基本原理 | 第35-39页 |
·特征光谱提取与基色选择的理论 | 第39-49页 |
·特征光谱提取的基本原理 | 第39-45页 |
·基色选择的基本原理 | 第45-49页 |
·本章小结 | 第49-50页 |
第3章 基于神经网络的光谱分色算法设计 | 第50-71页 |
·神经网络光谱分色算法设计 | 第50-54页 |
·算法的可行性与必要性 | 第50-51页 |
·算法模型的设计 | 第51-54页 |
·实验设计、数据采集与分析 | 第54-58页 |
·实验样本的印制 | 第54-55页 |
·实验数据的测量 | 第55-56页 |
·实验样本的均匀性误差分析 | 第56-57页 |
·实验样本的重复性误差分析 | 第57-58页 |
·实验及结果分析 | 第58-67页 |
·正向特征化流程与精度评价 | 第58-60页 |
·基于 BP 神经网络光谱分色模型的分色精度 | 第60-63页 |
·基于 RBF 神经网络光谱分色模型的分色精度 | 第63-66页 |
·基于神经网络光谱分色算法的总体评价 | 第66-67页 |
·特征光谱匹配精度对分色精度的影响 | 第67-69页 |
·本章小结 | 第69-71页 |
第4章 基于特征光谱的基色预测及其光谱分色算法实现 | 第71-97页 |
·基于光谱一阶导数变换与相关性分析的印刷特征光谱提取算法设计 | 第71-83页 |
·算法模型 | 第71-72页 |
·实验设计 | 第72-73页 |
·实验结果与分析 | 第73-83页 |
·基于特征色与特征光谱筛选的基色预测算法设计 | 第83-92页 |
·多基色高保真色域分析 | 第83-85页 |
·基色的呈色规律分析 | 第85-89页 |
·算法设计 | 第89-92页 |
·基于 RBF 特征光谱匹配的光谱分色算法实现 | 第92-96页 |
·算法设计 | 第92-93页 |
·实验及分析 | 第93-96页 |
·总结 | 第96页 |
·本章小结 | 第96-97页 |
第5章 多基色高保真复制的实现 | 第97-108页 |
·多基色高保真复制模型的设计 | 第97-100页 |
·正向特征化模型 | 第97-98页 |
·特征光谱提取模型 | 第98-99页 |
·基于 RBF 神经网络特征光谱匹配的多基色光谱分色模型 | 第99-100页 |
·多基色高保真复制模型的仿真实现 | 第100-107页 |
·基色预测与色域仿真 | 第100-102页 |
·正向特征化及分色模型构建 | 第102-103页 |
·基于 RBF 神经网络 6 特征光谱的分色结果与精度评价 | 第103-107页 |
·结论 | 第107页 |
·本章小结 | 第107-108页 |
第6章 总结 | 第108-110页 |
·本课题完成的主要工作 | 第108页 |
·本课题的创新点 | 第108-109页 |
·本课题的不足与后续研究的展望 | 第109-110页 |
附录 A | 第110-114页 |
附录 B | 第114-118页 |
附录 C | 第118-122页 |
附录 D | 第122-126页 |
附录 E | 第126-130页 |
攻读博士期间主要完成的工作 | 第130-132页 |
一、教学 | 第130页 |
二、论文 | 第130页 |
三、科研 | 第130-132页 |
参考文献 | 第132-139页 |