| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 计算机油墨配色的研究现状 | 第12-14页 |
| 1.1.1 计算机油墨配色的研究意义 | 第12-13页 |
| 1.1.2 计算机油墨配色的研究进展 | 第13-14页 |
| 1.2 计算机油墨配色理论 | 第14-21页 |
| 1.2.1 基于库贝尔卡-芒克公式的油墨配色算法 | 第15-16页 |
| 1.2.2 基于纽介堡方程的油墨配色算法 | 第16-17页 |
| 1.2.3 基于神经网络的油墨配色方法 | 第17-19页 |
| 1.2.4 基于仿生算法的油墨配色算法 | 第19-21页 |
| 1.3 计算机配色系统 | 第21-23页 |
| 1.4 本论文的研究目的、意义和主要内容 | 第23-26页 |
| 1.4.1 研究的目的及意义 | 第23页 |
| 1.4.2 研究内容 | 第23-26页 |
| 第2章 基于KM理论和纽介堡方程的油墨配色算法 | 第26-54页 |
| 2.1 实验材料 | 第26-27页 |
| 2.2 印刷压力和速度对印刷效果的影响 | 第27-35页 |
| 2.2.1 研究的目的和意义 | 第27页 |
| 2.2.2 实验方案 | 第27页 |
| 2.2.3 实验结果与分析 | 第27-35页 |
| 2.2.3.1 面纸种类对印品颜色的影响 | 第27-28页 |
| 2.2.3.2 印刷压力对油墨颜色的影响 | 第28-32页 |
| 2.2.3.3 印刷速度对油墨颜色的影响 | 第32-35页 |
| 2.2.3.4 实验结论 | 第35页 |
| 2.3 实验条件和实验过程 | 第35-36页 |
| 2.3.1 实验条件 | 第35页 |
| 2.3.2 实验过程 | 第35-36页 |
| 2.3.3 实验注意事项 | 第36页 |
| 2.4 基于KM理论配色效果的实验验证 | 第36-41页 |
| 2.4.1 基于新双常数三刺激值的配色算法 | 第36-39页 |
| 2.4.2 实验结果与分析 | 第39-41页 |
| 2.5 基于纽介堡方程的油墨配色算法 | 第41-52页 |
| 2.5.1 基于回归修正方法的油墨配色算法 | 第41-49页 |
| 2.5.2 基于指数修正的纽介堡方程配色算法 | 第49-52页 |
| 2.6 本章小结 | 第52-54页 |
| 第3章 基于神经网络的柔印专色配色模型 | 第54-66页 |
| 3.1 基于LMBP神经网络的油墨配色算法 | 第54-56页 |
| 3.1.1 LMBP算法概述 | 第54-55页 |
| 3.1.2 实验条件和实验过程 | 第55页 |
| 3.1.3 实验结果分析 | 第55-56页 |
| 3.2 基于贝叶斯正则化算法的油墨配色算法 | 第56-58页 |
| 3.2.1 贝叶斯正则化算法概述 | 第56-57页 |
| 3.2.2 实验条件与过程 | 第57页 |
| 3.2.3 实验结果分析 | 第57-58页 |
| 3.3 基于共轭梯度算法的油墨配色算法 | 第58-60页 |
| 3.3.1 共轭梯度算法概述 | 第58-59页 |
| 3.3.2 实验条件与过程 | 第59页 |
| 3.3.3 实验结果分析 | 第59-60页 |
| 3.4 基于BFGS拟牛顿算法的油墨配色算法 | 第60-62页 |
| 3.4.1 BFGS拟牛顿算法概述 | 第60页 |
| 3.4.2 实验条件与过程 | 第60-61页 |
| 3.4.3 实验结果分析 | 第61-62页 |
| 3.5 基于正切拟牛顿算法的油墨配色算法 | 第62-64页 |
| 3.5.1 正切拟牛顿算法概述 | 第62页 |
| 3.5.2 实验条件与过程 | 第62-63页 |
| 3.5.3 实验结果分析 | 第63-64页 |
| 3.6 本章小结 | 第64-66页 |
| 第4章 基于遗传算法和BP神经网络的油墨配色算法 | 第66-74页 |
| 4.1 理论基础 | 第66-67页 |
| 4.2 算法实现过程 | 第67-72页 |
| 4.2.1 神经网络算法实现 | 第68-69页 |
| 4.2.2 遗传算法实现 | 第69-70页 |
| 4.2.3 MATLAB程序实现 | 第70页 |
| 4.2.4 比较使用遗传算法前后的差别 | 第70-72页 |
| 4.3 结果分析 | 第72页 |
| 4.4 本章小结 | 第72-74页 |
| 第5章 基于粒子群算法和BP神经网络的油墨配色算法 | 第74-80页 |
| 5.1 理论基础 | 第74页 |
| 5.2 算法实现过程 | 第74-77页 |
| 5.2.1 神经网络算法实现 | 第75页 |
| 5.2.2 粒子群算法实现 | 第75-76页 |
| 5.2.3 MATLAB程序实现 | 第76-77页 |
| 5.3 实验结果分析 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第六章 全文总结 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 创新之处 | 第81页 |
| 6.3 不足之处 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 在学期间主要科研成果 | 第90-91页 |
| 附件 | 第91-93页 |