| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 基于颜色空间转换的颜色复原的研究现状 | 第12-15页 |
| 1.2.1 国内外研究现状分析 | 第12-15页 |
| 1.2.2 目前颜色空间转换方法的局限性 | 第15页 |
| 1.3 研究目的和内容 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 常用颜色空间及其转换方法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 颜色视觉的理论基础 | 第17-19页 |
| 2.3 常用颜色空间 | 第19-24页 |
| 2.3.1 国际性标准颜色空间 | 第19-22页 |
| 2.3.2 面向彩色图像处理的颜色空间 | 第22-23页 |
| 2.3.3 面向硬件设备的颜色空间 | 第23-24页 |
| 2.4 颜色空间转换的主要研究方法 | 第24-27页 |
| 2.4.1 多项式回归法 | 第24-25页 |
| 2.4.2 阶调/矩阵模型法 | 第25-26页 |
| 2.4.3 三维查找表法 | 第26-27页 |
| 2.4.4 神经网络法 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于多项式回归的颜色复原的研究 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 影响颜色失真的主要因素 | 第29-30页 |
| 3.2.1 光源的影响 | 第29-30页 |
| 3.2.2 图像采集设备的影响 | 第30页 |
| 3.3 颜色复原方案 | 第30-31页 |
| 3.4 基于多项式回归的RGB-L * a * b * 颜色空间转换 | 第31-37页 |
| 3.4.1 传统的多项式回归法 | 第31-33页 |
| 3.4.2 基于色调分区的多项式回归法 | 第33页 |
| 3.4.3 实验与结果分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于BP神经网络的颜色复原的研究 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 基于传统的BP神经网络的RGB-L * a * b * 颜色空间转换 | 第38-42页 |
| 4.2.1 BP神经网络概述 | 第38-39页 |
| 4.2.2 BP神经网络模型的建立 | 第39-42页 |
| 4.2.3 BP网络算法存在的缺陷 | 第42页 |
| 4.3 基于遗传算法改进的BP神经网络的RGB-L * a * b * 颜色空间转换 | 第42-45页 |
| 4.3.1 遗传算法概述 | 第42-43页 |
| 4.3.2 遗传算法优化BP神经网络 | 第43-45页 |
| 4.3.3 遗传算法优化BP网络算法存在的缺陷 | 第45页 |
| 4.4 基于思维进化法改进的BP神经网络的RGB-L * a * b * 颜色空间转换 | 第45-48页 |
| 4.4.1 思维进化法概述 | 第45-47页 |
| 4.4.2 思维进化法优化BP神经网络 | 第47-48页 |
| 4.4.3 思维进化法优化BP神经网络的局限性 | 第48页 |
| 4.5 基于强预测与思维进化法改进的BP神经网络的RGB-L * a * b * 颜色空间转换 | 第48-52页 |
| 4.5.1 强预测器概述 | 第48页 |
| 4.5.2 基于强预测与思维进化法的BP神经网络的颜色复原算法 | 第48-52页 |
| 4.6 实验验证 | 第52-55页 |
| 4.6.1 实验设备和材料 | 第52-53页 |
| 4.6.2 IT8.7/2 的实验结果分析 | 第53-54页 |
| 4.6.3 IT8.7/4 的实验结果分析 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第62页 |
| 发表的学术论文 | 第62页 |
| 参与的项目 | 第62页 |
