首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

颜色管理系统的理论方法和应用研究

致谢第5-6页
摘要第6-9页
Abstract第9-11页
1 绪论第20-39页
    1.1 研究背景、目的及意义第20-27页
        1.1.1 研究背景第20-26页
        1.1.2 目的及意义第26-27页
    1.2 国内外研究概述第27-34页
        1.2.1 影像设备色度特征化模型第27-29页
        1.2.2 色貌模型与均匀颜色空间第29-30页
        1.2.3 影像设备的色域描述算子第30-32页
        1.2.4 色域映射算法第32-34页
    1.3 本文的主要研究内容及创新点第34-39页
        1.3.1 本文主要研究内容第34-36页
        1.3.2 本文创新点第36-39页
2 颜色科学的理论基础第39-52页
    2.1 色度学基础第39-43页
        2.1.1 CIE1931标准色度系统第39-40页
        2.1.2 色品坐标第40-41页
        2.1.3 光源及其特性第41-43页
    2.2 均匀颜色空间、色差以及色貌模型第43-50页
        2.2.1 CIELab色彩空间第43-44页
        2.2.2 其他色差公式第44-45页
        2.2.3 色貌现象第45-46页
        2.2.4 CIECAM02模型的基本内容第46-47页
        2.2.5 CAM02-UCS均匀颜色空间及其色差公式第47-48页
        2.2.6 J_za_zb_z颜色模型的基本内容第48-49页
        2.2.7 Vividness以及Dep也色貌指标第49-50页
    2.3 本章小结第50-52页
3 影像设备的特征化模型第52-83页
    3.1 数码相机的显色特性及其色度特性化模型第52-58页
        3.1.1 数码相机的成像原理第52-53页
        3.1.2 数码相机的色度特征化模型第53-54页
        3.1.3 数码相机特征化模型效果的影响因素研究第54-58页
    3.2 传统显示器的色度特性及其色度特征化模型第58-69页
        3.2.1 传统显示器的色度特性第58-61页
        3.2.2 传统显示器色度特征化模型第61-62页
        3.2.3 单通道色度特征化模型第62-64页
        3.2.4 多通道色度特征化模型第64-66页
        3.2.5 混合模型第66页
        3.2.6 三种模型的效果比较第66-68页
        3.2.7 测量仪器的效果比较第68页
        3.2.8 测试数据集的效果比较第68-69页
    3.3 OLED显示器的色度特征化第69-81页
        3.3.1 OLED显示器的色度特性第69-75页
        3.3.2 OLED显示器的色度特征化模型第75-76页
        3.3.3 SDR模式下的OLED显示器色度特征化模型第76-78页
        3.3.4 HDR模式下的OLED显示器色度特征化模型第78-81页
    3.4 本章小结第81-83页
4 跨媒介颜色复现的应用实例第83-92页
    4.1 简单情况下的彩色图像跨媒介复现的流程第83-84页
    4.2 实验1:图像复现效果第84-86页
    4.3 实验1结果分析第86-88页
    4.4 实验2:亮度匹配实验第88-89页
    4.5 亮度匹配实验:实验结果与分析第89-91页
    4.6 本章小结第91-92页
5 设备及图像的色域边界描述第92-102页
    5.1 基于设备的色域描述算法第92-95页
        5.1.1 色域描述算法的实现及其精度测试第94-95页
    5.2 基于图像的色域描述算法第95-101页
        5.2.1 样品选择第95-96页
        5.2.2 颜色的空间频率第96页
        5.2.3 图像色域边界的平滑第96-97页
        5.2.4 图像色域边界算法的实现第97-101页
    5.3 本章小结第101-102页
6 色域压缩算法第102-120页
    6.1 HPMINDE算法以及SGCK算法第102-105页
    6.2 基于Vividness和Depth的色域压缩算法第105-110页
    6.3 色域压缩算法的心理物理实验设计第110-113页
    6.4 色域压缩算法的结果分析第113-119页
    6.5 本章小结第119-120页
7 色域拓展算法第120-132页
    7.1 基于Vividness的色域拓展算法第120-123页
    7.2 色域拓展算法的心理物理实验设计第123-127页
    7.3 色域拓展算法的结果分析第127-131页
    7.4 本章小结第131-132页
8 总结和展望第132-136页
    8.1 本文总结及其创新点第132-134页
    8.2 未来研究以及展望第134-136页
参考文献第136-147页
作者简介第147-148页

论文共148页,点击 下载论文
上一篇:基于语义识别的砂岩薄片图像分割方法研究
下一篇:基于数字图像处理的自动对焦方法研究