| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-32页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 色度学基础原理 | 第11-17页 |
| 1.2.1 颜色的形成 | 第11-13页 |
| 1.2.2 影响颜色的因素 | 第13-14页 |
| 1.2.3 颜色的特征和分类 | 第14-15页 |
| 1.2.4 颜色的混合 | 第15-17页 |
| 1.3 计算机测色配色技术的发展 | 第17-19页 |
| 1.4 计算机配色理论 | 第19-24页 |
| 1.4.1 Stearns-Noechel模型 | 第20-21页 |
| 1.4.2 Friele模型 | 第21-22页 |
| 1.4.3 Kubelka-Munk理论 | 第22-23页 |
| 1.4.4 神经网络 | 第23-24页 |
| 1.5 配色方法 | 第24-26页 |
| 1.5.1 反射光谱匹配 | 第24-25页 |
| 1.5.2 三刺激值配色 | 第25-26页 |
| 1.6 色差公式 | 第26-29页 |
| 1.6.1 CIE LAB(L~*a~*b~*)色差公式 | 第26-28页 |
| 1.6.2 CMC(l:c)色差公式 | 第28-29页 |
| 1.7 课题研究的目的、意义及主要内容 | 第29-30页 |
| 1.7.1 课题研究的目的和意义 | 第29-30页 |
| 1.7.2 课题研究的主要内容 | 第30页 |
| 1.8 本章小结 | 第30-32页 |
| 第二章 实验部分 | 第32-36页 |
| 2.1 实验材料 | 第32页 |
| 2.2 实验仪器 | 第32-33页 |
| 2.3 纺纱工艺 | 第33-34页 |
| 2.4 实验样品的制备 | 第34-35页 |
| 2.5 测色过程 | 第35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 不同配色算法对比 | 第36-44页 |
| 3.1 神经网络 | 第36-41页 |
| 3.1.1 神经元的确定 | 第36页 |
| 3.1.2 模型的实现 | 第36-37页 |
| 3.1.3 评价指标 | 第37页 |
| 3.1.4 神经网络模型的训练 | 第37-38页 |
| 3.1.5 神经网络模型泛化能力验证 | 第38-40页 |
| 3.1.6 扩充训练样本容量后的验证样本配色结果 | 第40-41页 |
| 3.1.7 结论 | 第41页 |
| 3.2 Kubelka-Munk理论 | 第41-43页 |
| 3.2.1 混色纱K/S值的求法 | 第42页 |
| 3.2.2 线性最小二乘法的思想 | 第42-43页 |
| 3.3 FRIELE算法 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于STEARNS-NOECHEL算法的配色模型 | 第44-54页 |
| 4.1 未知参数M值的确定 | 第44-46页 |
| 4.2 单色纤维初始配方的求解 | 第46-50页 |
| 4.2.1 基于最小二乘法的全光谱配色算法 | 第46-49页 |
| 4.2.2 改进的全光谱配色算法 | 第49-50页 |
| 4.3 配色结果与分析 | 第50-51页 |
| 4.4 本章小结 | 第51-54页 |
| 第五章 基于STEARNS-NOECHEL算法的修色模块 | 第54-58页 |
| 5.1 三刺激值修色算法 | 第54-55页 |
| 5.2 改进的修色算法 | 第55-56页 |
| 5.3 修色结果与分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 课题总结与展望 | 第58-60页 |
| 6.1 课题总结 | 第58页 |
| 6.2 课题展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录1 | 第64-67页 |
| 附录2 | 第67-71页 |
| 附录3 | 第71-72页 |
| 附录4 | 第72-74页 |
| 硕士期间发表论文 | 第74-76页 |
| 致谢 | 第76页 |
