| 1 绪论 | 第1-11页 |
| 1．1 彩色印刷品色彩检测的发展现状 | 第7-8页 |
| 1．2 基于 DSP的实时数字图像处理 | 第8-9页 |
| 1．3 数字图像处理和模式识别技术在本课题中的应用 | 第9-10页 |
| 1．4 本课题的研究内容 | 第10-11页 |
| 1．4．1 问题的提出 | 第10页 |
| 1．4．2 本课题研究内容 | 第10-11页 |
| 2 采集与分色系统的硬件设计 | 第11-19页 |
| 2．1 采集与分色系统的硬件设计概述 | 第11-12页 |
| 2．2 图像采集模块 | 第12-13页 |
| 2．2．1 光学设计 | 第12页 |
| 2．2．2 图像采集设备的选择 | 第12-13页 |
| 2．3 功能控制模块 | 第13-16页 |
| 2．3．1 串行数据传输 | 第14-15页 |
| 2．3．2 AT89C2051芯片 | 第15-16页 |
| 2．4 图像处理和显示模块 | 第16-19页 |
| 2．4．1 基于 TMS320C6416图像处理模块结构 | 第16-17页 |
| 2．4．2 C6x的DMA工作过程 | 第17-19页 |
| 3 分色算法分析和样本数据选取 | 第19-27页 |
| 3．1 基于图像处理的彩色印品呈色质量检测的实质 | 第19页 |
| 3．2 分色算法的系统设计 | 第19-20页 |
| 3．2．1 彩色印品显微图像特性分析 | 第19-20页 |
| 3．2．2 基于剥壳技术的分色算法设计 | 第20页 |
| 3．3 样本数据的获取 | 第20-27页 |
| 3．3．1 色彩空间的选择 | 第21-22页 |
| 3．3．2 样本数据集的选择 | 第22页 |
| 3．3．3 基于模糊聚类技术的数据获取 | 第22-27页 |
| 4 分色系统的具体构建 | 第27-45页 |
| 4．1 图像分类 | 第27-30页 |
| 4．1．1 决策树 | 第28页 |
| 4．1．2 图像分类器的设计 | 第28-30页 |
| 4．2 单色图像分色 | 第30-32页 |
| 4．2．1 最近邻法 | 第30-31页 |
| 4．2．2 单色图像分色分类器设计 | 第31-32页 |
| 4．2．3 单色网点图像分色结果分析 | 第32页 |
| 4．3 彩色图像分色 | 第32-42页 |
| 4．3．1 径向基函数 RBF网络 | 第33-38页 |
| 4．3．2 多分类器融合技术 | 第38-42页 |
| 4．3．3 彩色图像分色结果分析 | 第42页 |
| 4．4 背景黑图像分色 | 第42-45页 |
| 4．4．1 特征向量的选择 | 第43页 |
| 4．4．2 基于多个神经网络的决策融合 | 第43-44页 |
| 4．4．3 背景黑图像分色结果分析 | 第44-45页 |
| 5 实验结果与分析 | 第45-51页 |
| 5．1 分色算法的参数设置 | 第45页 |
| 5．2 显微网点图像分色实验结果 | 第45-49页 |
| 5．2．1 24位图像分色结果 | 第46-48页 |
| 5．2．2 16位图像分色结果 | 第48-49页 |
| 5．3 课题总结和展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录A: 分色系统算法模型流程图 | 第55-56页 |
| 附录B: 彩色图像分色算法模型流程图 | 第56-57页 |
| 己发表论文 | 第57页 |