| 1 概论 | 第1-12页 |
| 1．1 印刷图像质量检测分析技术发展现状 | 第7页 |
| 1．2 论文的主要工作及特色 | 第7-12页 |
| 1．2．1 主要工作目标及涉及的主要研究内容 | 第7-8页 |
| 1．2．2 研究方案和实现该方案的基本原理 | 第8-10页 |
| 1．2．3 研究方法的特色及创新点 | 第10-12页 |
| 2 被测图像与基准图像的坐标映射 | 第12-37页 |
| 2．1 图像坐标映射原理 | 第12-14页 |
| 2．2 方案设计 | 第14-16页 |
| 2．3 被测图像的预处理 | 第16-27页 |
| 2．3．1 平滑去噪 | 第16-19页 |
| 2．3．2 边缘检测 | 第19-24页 |
| 2．3．3 边缘细化 | 第24-27页 |
| 2．4 定位的实现 | 第27-33页 |
| 2．5 定位准确度的检验 | 第33-37页 |
| 2．5．1 相似度检验法 | 第33-34页 |
| 2．5．2 用纽介堡方程检验定位的准确性 | 第34-37页 |
| 3 用模式识别方法分割印刷网点 | 第37-61页 |
| 3．1 模式识别方法简介 | 第37-41页 |
| 3．1．1 模式识别简史及用途 | 第37-38页 |
| 3．1．2 模式识别类别及系统 | 第38-39页 |
| 3．1．3 机器学习 | 第39-40页 |
| 3．1．4 最小误差分类准则 | 第40-41页 |
| 3．2 模式识别系统的数据特征提取 | 第41-46页 |
| 3．2．1 色彩空间介绍及确定 | 第42-44页 |
| 3．2．2 RGB→XYZ的转换 | 第44-45页 |
| 3．2．3 XYZ→Lab转换 | 第45-46页 |
| 3．3 分类决策方法的比较 | 第46-61页 |
| 3．3．1 Lab距离判决函数识别方法 | 第46-49页 |
| 3．3．2 人工神经网络模型识别法 | 第49-57页 |
| 3．3．2．1 人工神经网络的基本原理 | 第49-52页 |
| 3．3．2．2 人工神经网络类型的选择 | 第52-54页 |
| 3．3．2．3 BP网络训练样本采集 | 第54-55页 |
| 3．3．2．4 建立BP网络 | 第55-57页 |
| 3．3．3 识别效果对比及验证 | 第57-60页 |
| 3．3．4 Lab距离判决函数与BP网络模型的比较 | 第60-61页 |
| 4 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-70页 |