基于卷积神经网络的颜色测量模型及对中小规模样本处理策略的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 工业印刷颜色测量研究现状 | 第13-15页 |
| 1.2.2 神经网络研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 2 颜色测量理论与神经网络基础 | 第19-27页 |
| 2.1 光与颜色感知 | 第19-21页 |
| 2.1.1 物体的光谱特性 | 第20-21页 |
| 2.2 颜色理论基础 | 第21-24页 |
| 2.2.1 同色异谱 | 第21-22页 |
| 2.2.2 RGB颜色空间 | 第22-23页 |
| 2.2.3 CIELAB颜色空间 | 第23页 |
| 2.2.4 颜色差异的评价标准 | 第23-24页 |
| 2.3 神经网络理论基础 | 第24-26页 |
| 2.3.1 反向传播算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于卷积神经网络的颜色测量模型研究 | 第27-41页 |
| 3.1 光谱反射率重建研究 | 第27-31页 |
| 3.1.1 多光谱成像系统设计与样本采集 | 第27-29页 |
| 3.1.2 光谱反射率重建映射模型 | 第29-31页 |
| 3.2 基于卷积神经网络的光谱反射率重建模型研究 | 第31-35页 |
| 3.2.1 卷积神经网络的模型设计 | 第32-35页 |
| 3.3 实验验证与分析 | 第35-40页 |
| 3.3.1 光谱重建结果一致性分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 测量模型在中小规模样本下处理策略的研究 | 第41-58页 |
| 4.1 基于卷积神经网络-随机森林的优化策略 | 第41-47页 |
| 4.1.1 颜色测量混合模型设计 | 第42-45页 |
| 4.1.2 实验验证分析 | 第45-47页 |
| 4.2 基于卷积神经网络结构调整的优化 | 第47-51页 |
| 4.2.1 卷积核尺寸调整分析 | 第47-49页 |
| 4.2.2 网络结构规模调整分析 | 第49-51页 |
| 4.3 基于迁移学习的优化策略 | 第51-57页 |
| 4.3.1 迁移学习的可行性研究 | 第52-54页 |
| 4.3.2 基于迁移学习的模型设计 | 第54-55页 |
| 4.3.3 实验验证分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |
