首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Elman神经网络和聚类算法的颜色识别研究

摘要第1-6页
ABSTRACT第6-10页
第一章 绪论第10-17页
   ·研究背景及意义第10页
   ·颜色测量相关技术的发展概况第10-15页
     ·颜色测量的分类第11页
     ·颜色传感器技术的发展第11-12页
     ·颜色测量仪器的发展概况第12-13页
     ·通用的聚类方法第13-15页
   ·课题的提出及研究内容第15-17页
第二章 颜色基本概念及颜色空间表示第17-27页
   ·物体与颜色的关系第17-18页
     ·物体与颜色的分类第17页
     ·彩色物体与选择性吸收第17-18页
     ·影响物体颜色的因素第18页
   ·三原色理论第18-19页
   ·颜色空间的表示第19-26页
     ·RGB 颜色空间第20-21页
     ·CMYK 颜色空间第21-22页
     ·1931CIE—XYZ 颜色系统第22-25页
     ·CIE 1976L*a*b*色差公式第25-26页
     ·RGB 颜色空间至 CMYK 颜色空间的互换第26页
   ·本章小结第26-27页
第三章 光电二极管与 OPB780 颜色传感器第27-36页
   ·光电二极管原理及特性第27-29页
   ·RGB 颜色传感器的颜色感应原理第29-30页
   ·OPB780 颜色传感器第30-34页
     ·OPB780 颜色传感器的工作原理及结构第31-32页
     ·OPB780 颜色传感器的工作性能第32-34页
   ·本章小结第34-36页
第四章 颜色测量系统的设计第36-56页
   ·颜色测量硬件设计第36-48页
     ·颜色测量系统单片机控制电路第36-39页
     ·颜色测量系统显示电路第39-42页
     ·OPB780 颜色传感器光源补偿设计第42-48页
   ·颜色识别基本原理及程序设计第48-52页
     ·白平衡第48-49页
     ·单片机频率测量原理第49-50页
     ·颜色识别流程第50-52页
   ·色卡集及数据的采集第52-55页
     ·实验步骤及色卡集测试条件第52-53页
     ·训练样本选择及采集第53-55页
     ·测试色卡集第55页
   ·本章小结第55-56页
第五章 基于 Elman 神经网络和聚类算法的颜色识别研究第56-68页
   ·Elman 神经网络的构建第56-58页
   ·特征向量的提取与归一化处理第58-60页
   ·Elman 神经网络结构参数的确定第60-61页
   ·K-means 聚类算法第61-64页
     ·原始 K—means 算法第61-62页
     ·改进的 K—means 算法色差聚类算法第62-64页
   ·神经网络训练和色差聚类的结果第64-67页
   ·本章小结第67-68页
第六章 结论及展望第68-70页
参考文献第70-75页
致谢第75-76页
附录A (攻读硕士学位期间发表论文及 参与项目)第76-77页
附录B 2200个色卡采集频率值(部分)第77-82页

论文共82页,点击 下载论文
上一篇:基于数据仓库的高速公路信息管理系统的研究
下一篇:车辆特征提取和分类方法的研究