一、基于BP网络的打印机色彩控制技术(论文文献综述)
赵磊[1](2014)在《基于最优化理论的色彩输出特性研究》文中研究说明数字化技术在媒体中的应用已经影响到媒体内容传输的各个方面,数字图像作为重要的媒体内容类型之一,其复制效果与色彩再现的真实程度息息相关。色彩作为图像的基本要素,在图像采集、存储、处理以及复制过程都占有重要地位。但由于色彩设备原理、结构、制造工艺和驱动程序等方面的差异,导致同一数字图像在不同色彩设备上呈现色彩各异。色彩管理系统(CMS)以此需要为基础,通过色彩设备校正、特征化和色彩转换精确再现色彩信息。随着最优化理论的发展及计算机运算能力和存储能力的提高,色彩管理中设备特征化模型和色彩转换模型的建立也将其纳入研究范围。本文在新近出现的人工神经网络、遗传算法和粒子群算法等最优化理论的基础上,以数字图像像素为基础建立了设备点集色域,对最优化理论在设备特征化模型和设备色域匹配模型建立中的应用展开了深入的探讨和研究,建立了若干种设备正向和反向特征化模型以及设备色域匹配模型,并对所建立的模型进行了评价和比较。论文的主要工作和创新点包括:(1)以数字图像像素为基础,结合设备正向特征化模型建立了显示设备和打印设备的点集色域,并通过实验将设备点集色域与几何色域进行了比较。实验结果显示,在当前计算机运算速度和存储容量大幅度提高的前提下,采用点集色域方法也可以非常有效的表示设备的色域。(2)建立了基于BP神经网络的设备正向特征化模型,在对学习样本进行色相角分类的基础上,提出了并建立了基于BP神经网络的设备反向特征化模型,初步解决了BP神经网络难以直接用于设备反向特征化模型的问题。(3)将径向基神经网络引入设备特征化正向模型的建立,并以径向基网络的共同参数SPREAD值为切入点,提出了在经验范围内利用计算机程序自动确定最优SPERAD值的方法,建立了基于3种径向基函数的设备特征化正向模型,并与成熟的基于BP神经网络的设备正向特征化模型进行了比较。实验结果显示,基于径向基神经网络建立的设备正向特征化模型,与基于BP神经网络的设备正向特征化模型相比,速度和精度都有了较为明显的提升。(4)基于设备点集色域和GBD色域描述超细化(Ultra-Fine)分区方法,提出了两种基于超细化GBD色域匹配方法,分别命名为UFGBD1和UFGBD2;基于BP神经网络、遗传算法和粒子群算法,提出了基于BP神经网络的色域匹配方法(BPNNGM)、基于准遗传算法的色域匹配方法(QGAGM)和准粒子群算法的色域匹配方法(QPSOGM),并设计实验将所提出的色域匹配方法与CARISMA色域匹配方法进行了主观和客观的比较。实验结果显示,本文所提出的五种色域匹配算法,与成熟的色域匹配算法相比,达到了基本一致的性能。(5)针对色彩管理与印刷工艺关系密切的特点,提出了基于数字图像块处理理论的印刷油墨估算方法,并针对胶印和凹印典型产品的实际生产情况设计进行了实验。实验结果显示,该油墨估算方法可以达到较高的估算精度,可以用于实际生产中印刷油墨用量的估算,具有一定的实践指导意义。最后,在总结本文的主要内容以及所取得的研究成果,和分析探讨研究中存在不足的基础上,提出了后续研究工作的建议和想法。
范凯博[2](2012)在《印刷油墨量闭环控制模型研究》文中进行了进一步梳理质量是印刷品的生命,特别是在信息时代,各类电子产品及网络出版物对印刷业的影响,使质量控制成为印刷业降低成本、提高竞争力的重要措施。印刷质量控制的最终目标,一是提高产品的质量,二是保证产品质量的稳定性,而后者对一般企业来说更具重要性。保证产品质量的稳定性最直接的是对油墨量的闭环控制,因为油墨量的大小将直接影响印刷品密度值的大小、图像的阶调、灰平衡、网点增大、相对反差等。但是目前对油墨量的控制主要通过目视或者借助仪器测量印刷品的密度值(或色度值),凭借经验对印刷机进行调整,往往需要多次调节才能达到标准值,浪费材料,增加成本。因此本文分析了印刷机墨键开度与油墨供墨量关系模型,建立了油墨墨层厚度与实地密度(色度)之间的关系模型,最终建立了印刷机墨键开度与油墨实地密度(色度)的关系模型,并在印刷机上进行了模型验证,模型具有较高的精度,该模型对印刷生产有一定的指导意义。本文的主要工作如下:1.研究了印刷机墨键开度与油墨墨层厚度关系模型。通过对印刷机油墨传输和油墨控制原理进行研究,分析了印刷机墨键开度与油墨供墨量之间关系模型,得到印刷机墨键开度与油墨墨层厚度关系模型。2.对不同类型纸张进行测试,确定了合适的纸张类型。利用印刷适性仪对几种类型纸张进行测试,对其印刷适性进行分析,确定了适合本文实验用的纸张类型。3.修正了墨层厚度与油墨实地密度关系模型。利用IGT印刷适性仪,实验条件下得到不同厚度的印刷样条,通过测量计算得到样条墨层厚度和油墨实地密度值;对目前存在的墨层厚度及实地密度关系模型进行了误差分析,在此基础上利用曲线拟合的方法修正了墨层厚度与实地密度关系模型,并对模型进行了验证。4.建立了基于密度的印刷油墨量闭环控制关系模型。建立了印刷机墨键开度与油墨实地密度关系模型,确定了基于密度的印刷油墨量闭环控制关系模型。5.建立了基于色度的印刷油墨量闭环控制关系模型。通过测量不同墨层厚度样条的色度值和密度值,基于BP神经网络技术,建立了油墨色度值与密度值之间的关系,最终建立了基于色度的印刷油墨量闭环控制关系模型。6.建立了地图印刷用专色油墨的油墨量闭环控制关系模型。对地图印刷用专色油墨进行实验,测量不同墨层厚度样条的色度值和密度值,得到墨层厚度与实地密度关系模型、墨层厚度与油墨色度关系模型,建立了专色油墨的油墨量闭环控制关系模型。
许宝卉[3](2010)在《显示器色彩特性分析及色彩空间转换技术研究》文中研究指明为了实现开放式印刷系统、电子出版及网络出版系统中精确地色彩传递和再现,国际色彩联盟(International Color Consortium简称ICC)制定了ICC色彩管理标准。彩色显示器是印刷领域印前系统中重要的组成部分,它的呈色性能、色彩空间转换模型精度直接影响彩色图像的显示效果;另一方面,为了将显示屏幕用于印刷系统的软打样,实现真正意义上的“所见即所得”,就要对显示器色彩特性以及色彩空间转换模型进行深入系统地研究。论文在对色彩管理技术的原理、方法、流程、关键技术进行综合分析的基础上,对显示器色彩测试系统进行了设计,提出了从改善采样点空间分布均匀性的角度,来表征输入输出的非线性关系,以提高特征化变换精度的思想,设计了两端细分中间均匀和基于LOG函数变换的测试色靶。通过实验对显示器的色域、通道独立性、空间均匀性、时间均匀性、磷粉恒常性、液晶屏幕的视角、“黑点”对色彩校正的影响以及显示与印刷效果的对比等进行了研究;采用极差理论分析了伽玛值、亮度、色温对输出效果的影响规律,以此为基础提出采用自适应动态伽玛改善图像效果的思想,并给出了相应的调整流程。建立了增加多项式项数、常数项和扩展项的显示器色彩非线性回归转换模型,以解决转换精度问题、误差局部极大或极小问题以及高阶回归出现的精度调节能力下降的问题;并通过改变模型的输出色彩空间分别实现了多项式RGB到XYZ和Lab的转换,转换精度明显提高。在实现显示器三维查找表模型转换的过程中,设计了三棱柱和四面体的插值算法,比较了四种几何体插值算法的转换精度,结果表明:随着立方体不断细分,模型转换精度越来越高,色差都小于3,在人的视觉不敏感范围内。研究了数字驱动值与显示器亮度参数的关系,改变传统阶调为指数曲线的的描述方法,使用二次多项式进行拟合,建立了基于阶调/矩阵的显示器特征化模型;在转换误差较大的情况下,将求解特征矩阵的特征点由最大点转变为中间点,使最终得到的阶调/矩阵模型转换色差大幅度降低,转换精度得以提高。建立了RGB到Lab和Lab到RGB的正反变换BP神经网络模型,探索了反变换过程中色差的估算办法;通过多重训练比较,研究了正反转换网络的最佳层及单元数目,采用结构分解减小了网络规模,提高了训练速度;合理选择基于LOG函数的训练样本、检验样本和均匀训练样本进行比较,最终使BP神经网络实现显示器色彩空间正反转换模型的精度达到了比较高的要求;同时提出了基于神经网络正向变换和查表方案相结合的Lab到RGB的反向变换方法,使正向神经网络模型的应用得到了进一步拓展,实验验证了方法的可行性和有效性。通过以上的研究,使用这些方法实现显示器色彩空间转换,可以满足不同的色彩复制精度要求。其中,三维查找表和神经网络模型所得到的转换色差属于小色差范围,是几种方法中比较理想的方法。这些方法为实现屏幕软打样提供了理论依据,为进一步开发扫描仪、显示器、打印机等全面的色彩管理系统打下了良好的基础、积累了研究经验。
孙静[4](2009)在《基于数码打样的CMYK与L*a*b*颜色空间转换方法的研究》文中研究表明现代先进的ICC色彩管理技术,是以色彩空间变化为核心的新型色彩控制方法,其中CMYK和L*a*b*颜色空间的转换在色彩管理中具有广阔的理论研究价值和实用价值。课题基于数码打样实验,输出在Photoshop中设计的色靶,选取建模数据和检验数据,基于平面理论建立CMYK到L*a*b*颜色空间的正向转换模型;分别基于GA—BP神经网络、广义回归神经网络(GRNN)建立L*a*b*到CMYK颜色空间反向转换模型。依据四色网点的平面呈色规律,利用数理统计中的二元线性回归的方法建立K网点面积率以及CMY某一彩色网点面积率一定,其他两彩色网点面积率变化的平面方程,再利用最小二乘抛物线法得到平面方程每个系数与网点面积率的二次拟合曲线,最终建立起K网点面积率分别为0%,10%,20%,30%,40%,50%,60%,70%,80%,85%,90%,95%,98%的颜色空间转换方程。经过色差分析,发现特定K值下颜色空间转换方程具有较高精度,且K=50%以后的转换方程比K=50%以前的方程转换精度高,这可能是因为亮调区域受测量值精度的影响。然后通过三次样条插值算法,建立起任意的K网点面积率下的颜色空间转换方程,方程也可达到较高精度,且其精度受特定K值下颜色空间转换方程精度的影响。因此增加网点面积率K=50%以后的数据,基于平面理论可以实现任意K网点面积率下CMYK到L*a*b*颜色空间更精确的转换。采用GA—BP神经网络建立颜色空间反向转换模型时,隐层和隐层神经元数的确定和调整过程很繁琐,且模型的预测精度不高,因此GA—BP神经网络应用于L*a*b*到CMYK的转换还是存在不少问题的。而基于GRNN进行的颜色模型变换研究可知该网络在学习样本确定后,则相应的网络结构和各神经元之间的连接权值也随之确定,网络的训练实际上只需确定SPREAD值,网络训练速度快、容易实现且模型的精度较高。
曹从军[5](2008)在《色彩管理关键技术CIE L*a*b*与CMYK变换算法的研究》文中认为颜色复制一直是国际上信息传播、印刷出版、计算机视觉、图像处理等领域关注的重要问题。色彩管理就是解决图像复制流程中各种设备色空间之间的颜色转换问题,保证图像色彩在整个复制过程中协调一致、正确传递。颜色转换作为色彩管理技术的重要组成部分,对图像复制质量意义重大。本文研究的CIE L*a*b*与CMYK之间的颜色变换算法正是色彩管理中印刷输出设备特征化以及CMM的关键技术之一,其结果还可应用于图像画面直接检测、计算机配色、图像分色、数码打样、图像修描等方面。可见本课题具有广阔的理论研究价值和实用价值。本文就颜色转换的理论和方法进行了有益探索,主要研究成果如下:1.分析了色彩管理技术的原理、方法、流程、关键技术以及系统构成和应用;比较了常用色彩空间转换方法的理论基础、实现过程以及各自的特点。2.选用ECI2002标准色靶研究了四色网点色度值分布的平面规律性,采用数理统计方法验证了回归平面方程变量的线性相关性和平面显着性。3.基于平面呈色规律实现了CMY和L*a*b*的正反向转换,且转换精度较高。进一步采用数理统计和数值分析的方法建立了CMYK到L*a*b*的颜色变换方程,分析了转换误差的影响因素,论证了该方法适用于CMYK和L*a*b*色空间转换的研究工作。4.应用CIE XYZ色度系统首次对网点呈色平面规律的产生机理进行探讨,发现了网点彩色复制色度值存在的一些内在规律。5.按照心理明度值L*将建模样本数据分组进行BP神经网络训练,提出单隐层不适合本课题研究,且通过不同隐层神经元数网络的训练得到一个速度较快、训练效果较好的两个隐层的L*a*b*到CMYK转换的BP网络结构。6.首次将GRNN引入颜色转换研究,分别按照L*将样本数据分组及不分组两种情况建模,无论从训练的简便性、训练速度还是精度上看广义回归神经网络比BP神经网络都具有优势。因此提出GRNN更适合于颜色空间转换的研究。
周祎[6](2008)在《基于数码打样CMYK与L*a*b*颜色空间转换模型的研究》文中提出颜色空间转换是色彩管理的核心技术,本课题利用EPSON STYLUS PRO9800喷墨打印机打样ECI2002标准随机色靶,选取建模和检验数据,进行CMYK与L*a*b*颜色空间转换模型的研究,为色彩管理颜色空间转换提供更广泛的理论依据以及实践指导。本课题依据四色平面理论,采用最小二乘法建立二元线性回归平面方程,通过相关性、显着性分析,验证了数码打样呈色符合四色平面规律。采用最小二乘法建立网点面积率与对应平面方程系数间的二次曲线方程,并将二次曲线方程代入选定K网点面积率的关于各色平面方程中初步得到选定K网点面积率时的转换方程,对其进行精度检验后确立K网点面积率分别为0%、20%、40%、60%、80%时的CMYK到L*a*b*颜色空间转换方程。采用三次样条插值算法建立选定K网点面积率与对应转换方程中各项系数之间的关系,得到任意K网点面积率时CMYK到L*a*b*颜色空间的正向转换方程,并分析了方程精度。依据BP神经网络理论、GA-BP神经网络理论,按各色块心理明度L*测量值划分建模数据,确定10段相同结构的BP神经网络并进行训练;考虑到BP神经网络初始权值随机性会影响网络精度及速度等问题,利用遗传算法(GA)优化各段BP神经网络的权值和阈值,作为BP神经网络的初始值进行再训练,经过对比分析,发现经GA优化后的BP神经网络在速度和精度的实现上比单纯的BP神经网络好,同时建立了L*a*b*到CMYK颜色空间的BP神经网络以及GA-BP神经网络反向转换模型。基于数码打样正反转换模型的建立过程为各类印刷方式下色彩管理的颜色空间转换方法提供了更多的参考,具有一定的指导意义。
赵磊,曹利杰[7](2008)在《一种基于BP神经网络的彩色打印机标定模型》文中进行了进一步梳理彩色打印机打印色彩色度值与输入的数字图像象素值之间存在着非常复杂的非线性关系,按传统方法建立的打印机标定模型往往不能很好地反映打印机的特性。在研究中,利用BP神经网络理论,提出并建立了按色相角范围对实验数据分类的打印机标定模型。由于BP网络良好的非线性模拟和逼近特性,标定模型达到了较高的精度,欲打印色彩色度值与标定后实际打印色彩色度值之间的色差平均值远远小于人眼可以识别色差的阈值,标定精度要求适用于以彩色打印机作为输出设备色彩管理系统的色域匹配环节。
丁二锐[8](2008)在《统计学习在色彩校正和色彩恒常中的应用》文中研究表明色彩管理技术是解决不同成像设备之间色彩再现不一致的一种技术,力求实现色彩“所见即所得”的终极目标,已经广泛应用于印刷、纺织和多媒体等领域。作为色彩管理的一项核心技术,色彩校正的主要任务是补偿因外设非理想特性产生的色偏,在色彩管理系统中往往是和色彩转换结合起来,其效果直接影响色彩再现的精确性,因而一直是国内外研究的热点问题。近几年来,考虑到光照等环境影响,色彩恒常也已成为未来色彩管理和实际需求迫切需要解决的一项重点技术。色彩恒常的目的是在不同光照环境下保持对色彩的不变描述,这对计算机视觉中物体识别和基于内容的图像检索等应用至关重要。色彩校正和色彩恒常通常借助彩色样本集来描述、获取某种色彩特性,并将问题归结为不同色彩空间之间的映射关系。然而,作为研究样本集特征和关系描述的一种有力工具,统计学习技术当前还未深入涉及到这一领域。为此,本文主要研究了统计学习技术在色彩校正和色彩恒常中的应用问题。结合色彩校正算法的传统分类,本文按照校正机理的不同并依据统计学习概念将算法分为四类,即,三维插值、邻域回归、稀疏贝叶斯学习及计算智能,重点讨论了不同校正机理下的技术瓶颈及相应解决方案,强调了方案的精度和速度效果。在色彩恒常中,结合目前国内外研究现状及课题的整体部署,主要讨论了色彩恒常的实现过程,并分别提出了相应的光源估计算法和监督色彩恒常算法。在三维插值类中,主要解决了当前流行插值算法的几何体定位难题并提出了一种新的高精度插值算法。首先提出了两种基于四面体插值校正的加速算法。第一种算法为基于历史的局部搜索法,主要借助数据相关性,根据上次插值数据的邻域来查找此次的数据。第二种算法为利用辅助表的快速定位法,采用了粗略定位和精确定位的两步定位法。两种算法均能促进三维查找表数据的快速生成。此外,针对色域匹配的不同渲染目的,提出了再加速策略,以减小对应不同渲染目的三种查找表数据的生成时间,实验证实了策略的有效性。最后提出了基于改进最大模糊熵的线性插值算法。该算法定义了新的插值范围,采用模糊熵形式确定插值系数。算法无需定位几何体,其校正精度优于目前的三维插值算法。在邻域回归类中,针对当前回归类算法的技术缺陷,提出了邻域回归校正概念,并提出了两种不同的邻域回归算法。邻域回归算法深化了分区思想,克服了分区回归存在的缺点。第一种算法为基于结构风险最小化和全最小二乘法的邻域回归算法,结构风险化原则贴近了真实风险并减小了模型复杂度,而全最小二乘法考虑到了输入输出数据的噪声。第二种算法为基于提升的核偏最小二乘回归算法,核函数将源色彩空间数据映射到一个高维空间,偏最小二乘回归提取了主成分,而提升技术进一步提高了精度。此外,还讨论了邻域的加速确定和范围问题。在稀疏贝叶斯学习类中,以当前稀疏核工具的应用利弊分析为基础,提出了采用基于贝叶斯法则的稀疏核工具—相关向量机的校正方案,并提出了多种有效的改进措施。该类算法采用了统计学习中最新的实效技术,在以往的色彩校正研究中从未出现过,且取得了满意的校正效果。算法集成了多个核函数以提供一组完备基或超完备基。为了减小算法的训练时间,首先采用保局投影来约简多核输入矩阵的列维数,其次采用相关向量的预提取技术和分布式结构来进一步减小训练时间。其中,完备基主要通过尺度核函数及小波核函数实现,超完备基则使用到了现存的多种核函数。相关向量的预提取技术主要通过分层采样和聚类来实现。算法在校正精度上优于支持向量机和相关向量机,且训练时间小于相关向量机。在计算智能类中,首先分析了当前模糊逻辑和神经网络应用于校正的实际困难,然后提出了相应的措施以解决两者的内部结构确定难题,最后给出了遗传算法在色彩校正中的应用可能。首先提出了基于KPCA和ANFIS的校正算法,KPCA作为数据的预处理器,ANFIS自动化了If-then规则。实验表明了算法在精度上的优越性。随后构建了一种新的集成神经网络的校正模型,该模型解决了单个网络中的结构确定难题,通过集成多个简单的神经网络提高了模型的泛化能力,其校正精度高于单个网络和Bagging集成模型。最后,构建了基于遗传算法的简易提升校正模型,选择算子挑选比较“难”学习的样本组成下次训练样本集,基于ANFIS的例子表明了模型有效性。在色彩恒常的实现中,结合前沿研究和实用目的,提出了基于自适应约简相关向量机的光源色度估计算法以及基于薄板样条和最小一乘法的监督色彩恒常算法。前者采用自适应混合核函数来提高精度,利用改进的保局投影来减小训练时间;为估计光源色度,采用色度直方图的模糊中心和相应光源值训练算法。后者通过放置监督色板来描述光源转换关系,然后采用薄板样条映射光照数据,再在约简后的映射数据上应用最小一乘法捕获转化关系。基于真实图像的实验表明了两种算法的优越性。
牟晓东[9](2008)在《基于人耳特征的身份识别系统设计与应用》文中研究说明人耳本身具有明显的独特性,可以将其作为人体的生物特征进行识别。基于人耳的识别技术是一种新的生物识别技术,既可以单独应用于个体身份识别,也可以与其他生物识别技术相结合使用。目前,此方面的研究尚处于起步阶段,但其自身的特点和优势逐渐引起同领域科研者的关注。除此之外,基于人耳的识别技术还具有巨大的潜力和广阔的发展空间。在对人耳特征进行研究后,设计了一种基于人耳特征的身份识别系统。本文介绍了整个系统从图像采集到人耳识别再到识别后处理控制(硬件控制)的详细设计过程。首先,应用肤色检测方法定位出人脸侧面区域,去掉图像中的背景信息,然后用阈值分割等方法定位人耳区域。在提取出人耳区域后,对其进行归一化,其中包括灰度均衡化、几何归一化。其次,提出了基于BP网络的识别方法。此方法应用小波变换和离散余弦变换对归一化后的人耳区域进行特征提取,使用BP网络对提取特征进行分类识别。最后,当识别出对应人员信息后,将此人员信息予以显示,根据判断确认特定人员后,发出相应的硬件控制信号,使执行机构完成设定的动作。应用自建的图像库分别进行人耳区域定位和识别测试,实验结果表明本文提出的人耳区域定位和识别方法是可行的。
孙景[10](2007)在《数字彩色显示设备色彩控制技术研究》文中认为数字影像设备的色彩管理是数字彩色流程中色彩一致性再现的保证,广泛应用于纺织、印刷、多媒体成像等多个领域,是国际上近十年来非常活跃的研究热点。本课题着重于数字彩色显示设备色彩控制技术的研究,目的是认识和掌握色彩管理的核心内容,为数字彩色设备的开发和有效应用打下技术基础。色彩控制的核心技术是设备描述文件内容。国际标准的设备描述文件含有设备的特征化变换、色域描述和色域映射。课题选用了不同类型的显示器。针对特征化变换关系,采用三种方法:多项式拟合、三维查找表以及神经网络的方法,并对三种方法就转换精度进行了比较。采用四面体插值技术构建了三维查找表;采用包含插值点并由与插值点相邻最近3个采样点所组成的四面体来查找组成四面体的第四个点的方法,解决了插值四面体的确定和快速查找等问题,建立了特征化变换的三维查找表,并具有实用的精度。此外,还使用神经网络的方法建立颜色转换关系,使得所得色差精度又有所提高。本文还实验并建立了基于simpleγ模型的色空间变换方法——改进simpleγ模型方法。通过利用simpleγ模型,将色彩变换过程分为两步,一步是建立色块的色度值与变换色度值的一维数值关系,另一步是建立变换色度值和数字控制值间的三维变换关系。实验表明,这种两步的变换方法,可降低系统的复杂度,较直接采用多项式拟合、插值技术及神经网络建立色彩变换关系的方法有更高的变换精度。最后,利用神经网络的方法对显示器进行了色彩控制应用实验。通过对人物风景等影像所进行的颜色转换,发现虽然存在不足,但神经网络方法能对显示设备进行有效的色彩校正和控制。
二、基于BP网络的打印机色彩控制技术(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于BP网络的打印机色彩控制技术(论文提纲范文)
(1)基于最优化理论的色彩输出特性研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景、目的和意义 |
1.1.1 研究课题来源 |
1.1.2 研究背景 |
1.1.3 研究目的和意义 |
1.2 国内外研究概述 |
1.2.1 色彩设备的特征化 |
1.2.2 色彩设备的色域匹配 |
1.3 研究内容及结构 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 本文的主要贡献 |
1.5 本章小结 |
第二章 色彩管理及色域描述理论和方法的研究 |
2.1 色彩管理系统的构成 |
2.1.1 色彩管理的基本流程 |
2.1.2 色彩管理涉及的色彩空间 |
2.1.3 色彩设备的特征化 |
2.1.4 色彩管理中的色域匹配 |
2.1.5 色彩测量的精度和准确度 |
2.2 色域描述 |
2.2.1 色域描述的目的 |
2.2.2 色域描述原则 |
2.2.3 色域描述采用色彩空间的选择 |
2.3 几何色域模型及其构造 |
2.3.1 空间平面方程的建立 |
2.3.2 线段与平面的相交情况 |
2.3.3 三角形面片和色相角平面的交线计算 |
2.3.4 一种典型的几何色域描述方法 |
2.4 色彩设备的点集色域表示 |
2.4.1 打印设备的点集色域模型 |
2.4.2 显示设备的点集色域模型 |
2.5 点集色域与传统色域的比较 |
2.5.1 基于实验测量数据纸张色域图的绘制 |
2.5.2 基于打印机特征模型计算数据纸张色域图的绘制 |
2.5.3 打印设备点集色域与几何色域的比较结论 |
2.6 本章小结 |
第三章 基于最优化理论色彩设备特征化的研究 |
3.1 最优化理论 |
3.1.1 最优化问题的数学模型 |
3.1.2 最优化问题的分类 |
3.1.3 最优化问题常用的数学符号 |
3.2 人工神经网络 |
3.2.1 神经元模型 |
3.2.2 激活函数 |
3.2.3 人工神经网络的学习类型 |
3.3 基于 BP 神经网络的设备特征化模型 |
3.3.1 BP 神经网络 |
3.3.2 基于 BP 神经网络的设备特征化模型 |
3.4 基于径向基神经网络的设备特征化模型 |
3.4.1 RBF 神经网络 |
3.4.2 GRNN 神经网络 |
3.4.3 基于径向基神经网络的设备特征化模型 |
3.5 基于人工神经网络设备特征化模型的比较与分析 |
3.6 本章小结 |
第四章 基于最优化理论色域匹配方法的研究 |
4.1 基于 BP 神经网络的色域匹配模型(BPNNGM) |
4.1.1 色域匹配流程 |
4.1.2 显示器色域和打印机色域色样点色度值的测量 |
4.1.3 显示器和打印机正向特征化模型和打印机反向特征化模型的建立 |
4.1.4 色域匹配 BP 神经网络学习样本数据的获取 |
4.1.5 BP 神经网络结构的确定 |
4.2 基于超细化 GBD 方法的色域匹配模型(UFGBDGM) |
4.2.1 设备点集色域非测量色样点的获取 |
4.2.2 标准色彩空间的超细化分区 |
4.2.3 基于标准色彩空间超细化分区方法色域匹配模型的建立 |
4.3 基于准遗传算法的色域匹配模型(QGAGM) |
4.3.1 遗传算法 |
4.3.2 基于遗传算法色域匹配方法的基本思想 |
4.3.3 遗传算法基本思想用于色域匹配的基础分析 |
4.3.4 基于准遗传算法色域匹配模型的建立 |
4.4 基于准粒子群算法的色域匹配模型(QPSOGM) |
4.4.1 粒子群算法 |
4.4.2 基于粒子群算法色域匹配方法的基本思想 |
4.4.3 基于准粒子群算法色域匹配模型的建立 |
4.5 基于智能最优化理论色域匹配模型的实验分析及评价 |
4.5.1 色域匹配模型的客观分析和评价 |
4.5.2 色域匹配模型的主观分析和评价 |
4.5.3 色域匹配模型的研究结论 |
4.6 本章小结 |
第五章 基于色彩特性的油墨用量估算理论与方法研究 |
5.1 彩色图像分色加网原理与方法 |
5.1.1 彩色图像分色加网过程 |
5.1.2 彩色图像分色加网原理 |
5.2 图像分块处理理论 |
5.3 基于图像分块理论的凹版印刷油墨用量估算模型 |
5.3.1 凹印网点转移油墨模型的创建 |
5.3.2 单通道凹印油墨转移模型的建立 |
5.3.3 程序编制与数据处理流程 |
5.3.4 实验结果与分析 |
5.4 基于图像分块理论的胶版印刷油墨用量估算模型 |
5.5 本章小结 |
结论 |
总结 |
后续研究与展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的研究成果 |
附件 |
(2)印刷油墨量闭环控制模型研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 基本概念 |
1.1.2 研究背景及意义 |
1.2 研究现状 |
1.2.1 国外现状分析 |
1.2.2 国内现状分析 |
1.3 本文研究思路 |
1.4 本文的主要内容及组织结构 |
1.5 本章小结 |
第二章 油墨量闭环控制流程及理论分析 |
2.1 油墨量闭环控制流程 |
2.2 印刷机油墨控制及传输原理 |
2.2.1 印刷机油墨控制原理 |
2.2.2 印刷机油墨传输原理 |
2.3 墨键开度与墨层厚度关系分析 |
2.4 墨层厚度与实地密度关系分析 |
2.4.1 墨层厚度与实地密度关系 |
2.4.2 实地密度标准 |
2.5 墨层厚度与油墨色度关系分析 |
2.5.1 色度检测法 |
2.5.2 BP神经网络概述 |
2.6 本章小结 |
第三章 墨层厚度与实地密度关系模型 |
3.1 墨层厚度与实地密度基本关系 |
3.2 实验目的及实验条件 |
3.2.1 实验目的 |
3.2.2 实验条件 |
3.2.3 确定实验纸张 |
3.3 实验过程及数据分析 |
3.3.1 实验过程 |
3.3.2 实验数据分析 |
3.4 已有关系模型分析 |
3.4.1 模型参数分析 |
3.4.2 模型误差分析 |
3.5 模型修正及分析 |
3.5.1 修正关系模型 |
3.5.2 模型分析 |
3.6 模型验证 |
3.7 专色油墨墨层厚度与实地密度关系模型 |
3.7.1 实验设计 |
3.7.2 模型分析 |
3.7.3 模型建立 |
3.7.4 模型误差分析 |
3.8 本章小结 |
第四章 墨层厚度与油墨色度关系模型 |
4.1 实验设计及数据分析 |
4.1.1 实验目的 |
4.1.2 实验条件及过程 |
4.1.3 数据分析 |
4.2 油墨色度与密度关系的BP神经网络模型设计 |
4.2.1 学习样本选取及处理 |
4.2.2 输入、输出层神经元数的确定 |
4.2.3 隐含层数目的确定 |
4.2.4 隐含层单元数的确定 |
4.2.5 网络训练函数的选取 |
4.2.6 隐含层神经元传递函数的确定 |
4.3 网络模型建立及验证 |
4.3.1 模型建立 |
4.3.2 模型验证 |
4.4 墨层厚度与油墨色度关系模型 |
4.5 本章小结 |
第五章 油墨量闭环控制模型建立及验证 |
5.1 模型建立 |
5.1.1 油墨量闭环控制关系模型 |
5.1.2 印刷测试图设计 |
5.1.3 实验条件及设备 |
5.1.4 实验步骤 |
5.1.5 实验数据分析 |
5.1.6 模型系数计算 |
5.2 模型验证 |
5.2.1 实验步骤设计 |
5.2.2 数据分析 |
5.3 结论 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 进一步的工作 |
参考文献 |
作者简历 攻读硕士学位期间完成的主要工作 |
致谢 |
(3)显示器色彩特性分析及色彩空间转换技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 色彩管理的原理及发展应用 |
1.2 国内外色彩管理的研究状况 |
1.3 显示器色彩管理研究的意义 |
1.4 研究中存在的主要问题 |
1.5 本课题的研究工作 |
1.6 本章小结 |
2 显示器的呈色原理及颜色理论基础 |
2.1 显示器的呈色原理 |
2.2 显示器的校准 |
2.3 显示器的呈色空间及其它色空间 |
2.4 显示器的色域及其描述方式 |
2.5 色差 |
2.6 本章小结 |
3 显示器色彩测试系统的建立 |
3.1 显示器观察环境的规范化 |
3.2 显示器测试环境的建立 |
3.3 显示器测量色靶的设计 |
3.3.1 采样色靶的设计原则 |
3.3.2 利用Adobe Photoshop制作的色块 |
3.3.3 两端细分中间均匀的C++色靶程序 |
3.3.4 基于LOG函数的非均匀采样点设计 |
3.4 本章小结 |
4 显示器色彩特性研究 |
4.1 伽玛值、白场色温及亮度对显示效果的的影响 |
4.1.1 伽玛值对显示效果的影响及自适应动态伽玛的提出 |
4.1.2 基于极差理论的显示效果影响因素显着性分析 |
4.2 显示器的色域分析 |
4.2.1 CRT与LCD显示器色域比较 |
4.2.2 显示器色域与sRGB色空间的比较 |
4.2.3 影响显示器色域的其它因素 |
4.3 显示器通道独立性研究 |
4.4 "黑点"对色度特性的影响 |
4.5 显示器空间均匀性分析 |
4.6 显示器的时间稳定性分析 |
4.6.1 显示器的预热时间 |
4.6.2 显示器的时间均匀性分析 |
4.6.3 屏幕保护对显示器的影响 |
4.7 磷粉恒常性分析 |
4.8 显示图像与印刷效果的比对分析 |
4.9 观察角度对颜色的影响 |
4.10 本章小结 |
5 显示器色彩空间转换方法研究及其模型建立 |
5.1 基于多项式回归模型色彩空间转换方法的研究 |
5.1.1 多项式回归理论基础 |
5.1.2 多项式回归算法的特点和存在的问题 |
5.1.3 增加扩展项或常数项改进多项式回归模型 |
5.1.4 RGB到XYZ的多项式回归实验分析 |
5.1.5 改变输出空间后的多项式回归模型 |
5.2 基于三维查找表插值算法的显示器色彩空间转换模型的研究 |
5.2.1 三维查找表的转换原理 |
5.2.2 三维查找表插值算法的研究 |
5.2.3 几种插值方法的比较 |
5.3 本章小结 |
6 基于阶调/矩阵模型的显示器色彩空间转换方法及其改进 |
6.1 传统的阶调曲线及矩阵模型 |
6.1.1 阶调曲线的描述 |
6.1.2 矩阵模型的求解 |
6.1.3 实验结果 |
6.2 基于二次多项式的阶调曲线模型 |
6.2.1 二次多项式阶调曲线模型的提出 |
6.2.2 特征矩阵求解与模型建立 |
6.2.3 实验结果分析与比较 |
6.3 本章小结 |
7 基于神经网络的显示器色彩空间转换方法研究 |
7.1 神经网络的简介 |
7.2 基于网络结构分解与样本分解的正向转换模型的研究 |
7.2.1 传统的正向转换模型的网络结构与学习规则 |
7.2.2 色样空间优化 |
7.2.3 最佳层元结构的探索与分析 |
7.2.4 基于网络结构分解与样本分解的转换模型的提出 |
7.2.5 均匀采样点与非均匀采样点转换精度比较 |
7.3 Lab到RGB反向转换模型的研究 |
7.3.1 反向转换网络结构 |
7.3.2 反向变换色差计算 |
7.3.3 反变换网络的结构分解与样本分解研究 |
7.4 基于正向变换和查表方案的反向转换模型的建立 |
7.5 显示器色彩空间转换模型的研究结果比较 |
7.6 本章小结 |
8 总结和展望 |
8.1 研究工作总结 |
8.2 本论文的创新之处 |
8.3 研究前景展望 |
致谢 |
参考文献 |
附录 |
附录一 中英文缩略用语对照表 |
附录二 攻读博士学位期间发表的论文着作 |
(4)基于数码打样的CMYK与L*a*b*颜色空间转换方法的研究(论文提纲范文)
摘要 |
Abstract |
前言 |
主要符号表 |
1 概述 |
1.1 数码打样技术 |
1.2 颜色空间转换在色彩管理中的重要作用 |
1.3 颜色空间转换的研究现状 |
1.3.1 理论模型法 |
1.3.2 多项式回归算法 |
1.3.3 3D-LUT查找表插值算法 |
1.3.4 神经网络算法 |
1.3.5 基于平面理论的方法 |
1.4 本课题的研究意义及内容 |
1.4.1 本课题的研究意义 |
1.4.2 本课题的内容 |
2 实验设计 |
2.1 实验色靶设计 |
2.2 实验条件及数据的获得 |
3 基于平面理论进一步建立CMYK到L~*a~*b~*颜色空间转换模型 |
3.1 建模与检验数据的选取 |
3.2 平面方程规律的验证 |
3.2.1 依据平面理论建立平面方程 |
3.2.2 任意两网点面积率一定时的平面呈色规律 |
3.3 特定K值下CMYK到L~*a~*b~*中颜色空间转换方程的建立 |
3.3.1 K=0%时CMYK到L~*a~*b~*颜色空间的转换方程 |
3.3.2 K=10%时CMYK到L~*a~*b~*颜色空间转换方程 |
3.3.3 K=100%时CMYK到L~*a~*b~*颜色空间转换方程 |
3.3.4 其他特定K值下CMYK到L~*a~*b~*颜色空间转换方程 |
3.4 特定K值下CMYK到L~*a~*b~*颜色空间转换方程精度检验 |
3.5 CMYK到L~*a~*b~*颜色空间转换方程的实现与分析 |
3.6 本章小结 |
4 基于神经网络建立L~*a~*b~*到CMYK颜色空间转换模型 |
4.1 神经网络概述 |
4.2 基于GA—BP网络建立L~*a~*b~*到CMYK颜色空间转换模型及精度检验 |
4.2.1 BP神经网络概述 |
4.2.2 遗传算法概述 |
4.2.3 遗传算法优化BP神经网络的方法 |
4.2.4 确定网络划分数据 |
4.2.5 L~*a~*b~*到CMYK颜色空间的GA—BP神经网络模型的建立及精度分析 |
4.3 基于广义回归神经网络建立L~*a~*b~*到CMYK颜色空间转换模型及精度检验 |
4.3.1 径向基函数网络 |
4.3.2 广义回归神经网络 |
4.3.3 L~*a~*b~*到CMYK颜色空间的GRNN模型的建立及精度分析 |
4.4 本章小结 |
5 研究结论与展望 |
5.1 研究结论 |
5.2 存在不足与展望 |
致谢 |
参考文献 |
作者攻读硕士期间公开发表的论文 |
获奖情况 |
(5)色彩管理关键技术CIE L*a*b*与CMYK变换算法的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 色彩管理技术 |
1.2.1 色彩管理的内容 |
1.2.2 色彩管理系统的主要构成 |
1.2.3 色彩管理系统的工作原理 |
1.2.4 色彩管理的步骤 |
1.2.5 色彩管理的作用 |
1.2.6 ICC Profile |
1.2.7.现代色彩管理技术的应用 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 课题研究的意义和主要内容 |
1.4.1 课题研究的目的和意义: |
1.4.2 课题研究的主要内容: |
1.5 本章小结 |
第二章 常用色彩空间及其转换方法研究 |
2.1 颜色的混色系统-CIE系统表色法 |
2.2 色彩空间基础知识: |
2.2.1 1931CIE RGB真实三原色表色系统 |
2.2.2 1931CIE XYZ国际坐标制 |
2.2.3 CIE 1976 L~*a~*b~*均匀颜色空间及色差 |
2.2.4 CMYK色彩空间 |
2.3 色彩空间转换模型的主要研究方法 |
2.3.1 多项式回归算法 |
2.3.2 以纽介堡方程为基础的转换模型 |
2.3.3 基于矩阵的转换模型 |
2.3.4 三维LUT查找表法 |
2.3.5 神经网络算法 |
2.4 本章小结 |
第三章 网点呈色平面规律的验证 |
3.1 平面呈色规律的提出 |
3.2 实验设计与数据分析 |
3.3 数理统计分析方法及平面显着性验证 |
3.3.1 数理统计方法及分析 |
3.3.2 回归平面显着性的探讨 |
3.4 本章小结 |
第四章 基于平面呈色规律的CMYK到CIE L~*a~*b~*转换算法的研究 |
4.1 CIE L~*a~*b~*与CMY平面模型的建立 |
4.1.1 平面方程系数与网点面积率的关系研究 |
4.1.2 CIE L~*a~*b~*与CMY转换模型的建立 |
4.2 CMYK到CIE L~*a~*b~*平面转换方程的建立 |
4.2.1 K值一定时CMYK到L~*a~*b~*的平面模型的建立 |
4.2.2 回归各平面转换方程精度检验 |
4.2.3 不同K值下CMYK到L~*a~*b~*转换方程的建立及精度分析 |
4.3 本章小结 |
第五章 网点呈色平面规律存在机理的探讨 |
5.1 利用CIE1931XYZ色度系统对网点印刷平面规律产生机理的分析 |
5.2 K 一定且CMY某色固定的L~*a~*b~*色度空间变化规律 |
5.2.1 K 一定时CMY某色依次变化的L~*a~*b~*色度空间分析 |
5.2.2 CMY某原色一定时K依次变化的L~*a~*b~*色度空间分析 |
5.3 本章小结 |
第六章 基于神经网络的L~*a~*b~*到CMYK的颜色空间转换模型研究 |
6.1 人工神经网络概述 |
6.1.1 人工神经网络基本原理 |
6.2 BP神经网络概述 |
6.2.1 BP神经网络结构 |
6.2.2 BP神经网络实现原理 |
6.2.3 BP神经网络的设计 |
6.3 CIE L~*a~*b~*到CMYK颜色空间的BP神经网络变换模型的建立 |
6.3.1 确定网络划分数据 |
6.3.2 确定BP神经网络结构进行建模 |
6.3.3 CIEL~*a~*b~*到CMYK颜色空间的BP神经网络模型的精度分析 |
6.4 CIE L~*a~*b~*到CMYK颜色空间的GRNN变换模型的建立 |
6.4.1 径向基函数网络 |
6.4.2 广义回归神经网络 |
6.4.3 CIE L~*a~*b~*到CMYK颜色空间的GRNN变换模型的建立与分析 |
6.5 本章小结 |
第七章 研究结果与展望 |
7.1 主要研究成果与意义 |
7.2 主要创新点 |
7.3 存在不足及进一步开展工作的展望 |
参考文献 |
攻读博士学位期间发表的论文 |
攻读博士学位期间完成的与课题相关科研项目 |
致谢 |
(6)基于数码打样CMYK与L*a*b*颜色空间转换模型的研究(论文提纲范文)
摘要 |
Abstract |
前言 |
主要符号表 |
1 概述 |
1.1 课题的研究背景及意义 |
1.1.1 数码打样 |
1.1.2 色彩管理 |
1.1.3 颜色空间转换以及颜色空间 |
1.1.4 国内外研究颜色空间转换模型的现状 |
1.2 课题的研究目的和内容 |
1.2.1 课题研究的目的 |
1.2.2 课题的研究内容 |
2 建模以及检验数据的获取 |
2.1 数码打样实验 |
2.2 实验数据的选取 |
3 基于数码打样CMYK到L~*a~*b~*颜色空间转换方程的建立 |
3.1 数码打样呈色的平面规律验证 |
3.1.1 依据平面理论建立平面方程 |
3.1.2 平面方程的线性相关性分析 |
3.1.3 平面方程的显着性分析 |
3.1.4 探讨数码打样呈色的平面规律 |
3.2 选定K值时CMYK到L~*a~*b~*颜色空间转换方程的建立 |
3.2.1 K=0%时CMYK到L~*a~*b~*颜色空间转换方程 |
3.2.2 K=20%时CMYK到L~*a~*b~*颜色空间转换方程 |
3.2.3 其他选定K值时CMYK到L~*a~*b~*颜色空间转换方程 |
3.3 选定K值时CMYK到L~*a~*b~*颜色空间转换方程精度检验 |
3.3.1 精度计算 |
3.3.2 精度分析 |
3.4 CMYK到L~*a~*b~*颜色空间转换方程的实现与分析 |
3.5 本章总结 |
4 基于数码打样L~*a~*b~*到CMYK颜色空间转换模型的实现 |
4.1 人工神经网络概述 |
4.1.1 人工神经网络基本原理 |
4.1.2 人工神经网络的学习 |
4.2 BP(Back-Propagation)神经网络 |
4.2.1 BP(Back-Propagation)神经网络结构 |
4.2.2 BP神经网络实现原理 |
4.2.3 BP神经网络的设计 |
4.3 遗传算法(Genetic Algorithm)改进BP神经网络 |
4.3.1 BP神经网络存在的缺点 |
4.3.2 BP神经网络的改进方法 |
4.3.3 遗传算法(Genetic Algorithm) |
4.4 L~*a~*b~*到CMYK颜色空间的BP神经网络转换模型的建立 |
4.4.1 确定网络段划分数据 |
4.4.2 确定BP神经网络结构 |
4.4.3 建立L~*a~*b~*到CMYK颜色空间的BP神经网络转换模型 |
4.5 L~*a~*b~*到CMYK颜色空间的GA-BP神经网络转换模型的建立 |
4.5.1 利用GA确定BP神经网络的初始权值和阈值 |
4.5.2 GA与BP神经网络结合建立优化模型 |
4.6 BP与GA-BP神经网络转换模型精度比较 |
4.7 本章总结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
作者攻读硕士期间公开发表论文 |
获奖情况 |
(7)一种基于BP神经网络的彩色打印机标定模型(论文提纲范文)
0 引 言 |
1 BP神经网络结构的确定 |
2 神经网络学习样本的获取 |
3 学习样本数据的分类和神经网络的学习 |
4 实验结果与分析 |
4.1 打印机重复性测试 |
4.2 打印机标定模型的评价 |
5 结束语 |
(8)统计学习在色彩校正和色彩恒常中的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 色彩校正和色彩恒常的研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 色彩校正的国内外研究现状 |
1.2.2 色彩恒常的国内外研究现状 |
1.2.3 统计学习的引入 |
1.3 论文研究内容及章节安排 |
1.4 小结 |
第二章 色彩理论及统计学习基础 |
2.1 色彩空间 |
2.1.1 RGB 色彩空间 |
2.1.2 CMYK 色彩空间 |
2.1.3 XYZ 色彩空间 |
2.1.4 Lab 色彩空间 |
2.1.5 误差测量方法 |
2.2 色彩校正和色彩恒常的传统算法 |
2.2.1 色彩校正的基本算法 |
2.2.1.1 多重回归 |
2.2.1.2 三维插值 |
2.2.1.3 神经网络 |
2.2.1.4 模糊逻辑 |
2.2.2 色彩恒常的基本算法 |
2.2.2.1 灰度世界模型算法 |
2.2.2.2 视网膜皮层算法 |
2.2.2.3 色域匹配算法 |
2.2.2.4 贝叶斯色彩恒常 |
2.2.2.5 神经网络色彩恒常 |
2.3 统计学习基础 |
2.3.1 基于示例的学习方法 |
2.3.2 结构风险最小化原则 |
2.3.3 计算智能 |
2.3.3.1 模糊逻辑 |
2.3.3.2 遗传算法 |
2.4 小结 |
第三章 基于三维插值的色彩校正 |
3.1 三维插值类算法的分析与问题 |
3.2 非线性三维查找表的快速查找技术 |
3.2.1 打印机Profile 数据的生成过程 |
3.2.2 ICC 规范约束下的Profile 生成 |
3.2.3 两种加速算法的原理 |
3.2.3.1 原始方法 |
3.2.3.2 基于历史的局部搜索法 |
3.2.3.3 利用辅助表的快速定位法 |
3.2.4 理论及实验结果分析 |
3.2.4.1 理论分析 |
3.2.4.2 实验分析 |
3.2.5 结论 |
3.3 结合色域匹配的再加速策略 |
3.3.1 色域匹配简介 |
3.3.2 再加速策略 |
3.3.3 实验 |
3.4 基于改进最大模糊熵的色彩校正 |
3.4.1 三维插值算法的一般化表示 |
3.4.2 基于改进最大模糊熵估计的色彩校正方法 |
3.4.2.1 最大熵原理 |
3.4.2.2 最大模糊熵算法 |
3.4.2.3 改进的最大模糊熵算法 |
3.4.2.4 LIIMFE 的优化 |
3.4.3 实验结果与分析 |
3.4.4 结论 |
3.5 小结 |
第四章 基于邻域回归的色彩校正 |
4.1 回归类算法的分析及问题 |
4.2 基于结构风险最小化和全最小二乘法的色彩校正 |
4.2.1 邻域上的结构风险最小化 |
4.2.2 全最小二乘法的经验风险 |
4.2.3 局部回归校正 |
4.2.4 实验结果与分析 |
4.2.5 结论 |
4.3 基于提升偏最小二乘法的色彩校正 |
4.3.1 特征空间 |
4.3.2 邻域上的KPLS |
4.3.3 基于Boosting KPLS 的色彩校正过程 |
4.3.4 实验结果与分析 |
4.3.5 结论 |
4.4 加速的措施和改进的措施 |
4.4.1 加速措施:K-D 树 |
4.4.1.1 K-D 树的定义 |
4.4.1.2 K-D 树的建立 |
4.4.1.3 K-D 树的查询 |
4.4.2 邻域的改进 |
4.4.2.1 距离改进 |
4.4.2.2 邻域的选取 |
4.5 小结 |
第五章 基于稀疏贝叶斯学习的色彩校正 |
5.1 稀疏核工具校正的分析及问题 |
5.2 稀疏贝叶斯回归 |
5.2.1 贝叶斯定理 |
5.2.2 相关向量机回归 |
5.2.2.1 模型描述 |
5.2.2.2 参数推理 |
5.2.2.3 超参数优化 |
5.2.2.4 预测 |
5.3 相关向量机校正的改进措施 |
5.3.1 多核技术的引入 |
5.3.2 多核的构造:完备基与超完备基 |
5.3.2.1 完备基的构造 |
5.3.2.2 超完备基的构造 |
5.3.3 维数约简 |
5.3.4 相关向量的预提取 |
5.3.4.1 基于分层采样的预提取 |
5.3.4.2 基于聚类的预提取 |
5.3.5 分布式结构 |
5.4 实验结果及分析 |
5.4.1 算法架构及参数设定 |
5.4.2 数值实验 |
5.4.2.1 混沌时间序列预 |
5.4.2.2 波士顿住房问题 |
5.4.3 色彩校正实验 |
5.5 小结 |
第六章 基于计算智能的色彩校正 |
6.1 计算智能类方法的分析及问题 |
6.2 基于KPCA 和ANFIS 的色彩校正 |
6.2.1 ANFIS 的结构 |
6.2.2 KPCA 的应用 |
6.2.3 KPCA_ANFIS 色彩校正过程 |
6.2.4 实验结果及分析 |
6.2.5 结论 |
6.3 色彩校正中的神经网络集成 |
6.3.1 集成算法简介 |
6.3.2 神经网络集成理论 |
6.3.3 基于聚类的改进自助法抽样 |
6.3.4 验证集上的泛化误差 |
6.3.5 自适应选择集成 |
6.3.6 实验结果与分析 |
6.3.7 结论 |
6.4 基于遗传算法的简易提升校正模型 |
6.4.1 Boosting 算法 |
6.4.2 简易提升算法 |
6.4.3 实验结果与分析 |
6.5 小结 |
第七章 色彩恒常的实现 |
7.1 色彩恒常概念 |
7.2 基于自适应约简相关向量机的光源色度估计 |
7.2.1 光源色度估计的数据准备 |
7.2.2 光源色度估计的一般方法 |
7.2.3 自适应约简相关向量机的应用 |
7.2.4 实验结果与分析 |
7.3 基于TPS 和LAD 回归的监督色彩恒常 |
7.3.1 新的基于有限维线性模型的监督色彩恒常 |
7.3.2 利用薄板样条的数据映射 |
7.3.3 基于保局投影的数据约简 |
7.3.4 基于LAD 回归的鲁棒估计 |
7.3.5 实验结果与分析 |
7.3.5.1 数据获得过程 |
7.3.5.2 测试过程 |
7.3.6 结论 |
7.4 小结 |
第八章 总结和展望 |
8.1 本文主要研究成果 |
8.2 后续工作与展望 |
致谢 |
参考文献 |
博士期间的学术论文及科研成果 |
附录A |
附录B |
(9)基于人耳特征的身份识别系统设计与应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 课题研究价值和意义 |
1.3 发展与现状 |
1.4 论文结构 |
第2章 系统需求分析与总体设计 |
2.1 系统需求分析 |
2.1.1 可行性分析 |
2.1.2 功能需求分析 |
2.1.3 方案论证 |
2.2 系统总体设计 |
2.2.1 系统结构和功能设计 |
2.2.2 图像数据采集设备选择 |
2.2.3 系统软件设计 |
第3章 人耳图像预处理 |
3.1 人脸定位和提取处理 |
3.2 人耳定位和提取 |
3.3 人耳归一化处理 |
3.3.1 灰度均衡化 |
3.3.2 几何归一化 |
第4章 基于人耳特征的身份识别技术 |
4.1 人耳特征提取 |
4.1.1 基于小波变换的一次特征提取 |
4.1.2 基于离散余弦变换的二次特征提取 |
4.2 基于人耳特征的分类识别 |
4.2.1 最近邻法分类识别人耳 |
4.2.2 BP神经网络法分类识别人耳 |
4.3 基于数据库技术身份识别 |
第5章 基于人耳特征的身份识别后处理 |
5.1 人耳身份识别系统应用领域 |
5.2 人耳身份识别系统后处理控制动作设计 |
5.2.1 电动机基本控制 |
5.2.2 后处理控制动作硬件电路设计 |
5.2.3 后处理控制动作硬件执行动作控制程序设计 |
第6章 系统测试 |
6.1 系统测试方案 |
6.1.1 人耳定位测试 |
6.1.2 不同分类器测试 |
6.1.3 特征向量维数选择测试 |
6.1.4 BP网络隐含层节点测试 |
6.1.5 BP网络训练次数测试 |
6.1.6 系统整体测试 |
6.2 人耳身份识别系统软件 |
6.3 系统可靠性分析 |
6.4 系统实时性分析 |
结论 |
参考文献 |
致谢 |
攻读硕士期间发表(含录用)的学术论文 |
(10)数字彩色显示设备色彩控制技术研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 引言 |
1.2 彩色影像及色彩管理 |
1.2.1 彩色影像的再现 |
1.2.1.1 影像再现系统 |
1.2.1.2 色域 |
1.2.1.3 设备色空间 |
1.2.2 色彩管理系统 |
1.2.2.1 设备特征化和描述文件 |
1.2.2.2 色域映射 |
1.2.2.3 色彩管理系统 |
1.2.3 国内外研究现状 |
1.3 本课题研究的目的和意义 |
1.4 论文的主要工作 |
1.5 本论文的创新点 |
第二章 CRT 显示器的色度特性 |
2.1 显示器相关介绍 |
2.2 CRT 显示器的光电特性 |
2.2.1 单通道光电特性 |
2.2.2 显示器的色度特性 |
2.3 sRGB色空间 |
2.3.1 sRGB 色空间的提出 |
2.3.2 sRGB 色空间的特性 |
2.3.2.1 环境色度要求 |
2.3.2.2 sRGB 的色度特性 |
2.4 sRGB 色空间在显示器色彩管理中的应用 |
2.4.1 sRGB 色空间的色域 |
2.4.2 sRGB 与D65 照明体条件的色度转换特性 |
2.5 色域描述 |
2.5.1 色域描述目的 |
2.5.2 色空间的选择 |
2.5.3 色域描述过程 |
2.5.3.1 确定色域边界 |
2.5.3.2 色域的三角网格化描述 |
2.5.3.3 结论 |
2.6 本章小结 |
第三章 显示设备的特征化与各种方法在空间变换中的应用 |
3.1 显示设备的特征化 |
3.1.1 特征化概念 |
3.1.2 色空间的选择 |
3.1.2.1 CIEL~*a~* b~* 色空间与 CIEXYZ 色空间的关系 |
3.1.2.2 色差 |
3.1.3 特征化 |
3.1.3.1 特征化方法总述 |
3.1.3.2 特征化的实验方案 |
3.2 特征化的多项式拟合方法 |
3.2.1 多项式拟合 |
3.2.2 多项式拟合方法试验 |
3.2.3 结果分析 |
3.3 特征化的三维查找表方法 |
3.3.1 三维查找表及其构建 |
3.3.2 改进的四面体插值方法构建三维查找表 T3D_LUT |
3.3.2.1 四面体插值技术 |
3.3.2.2 构建三维查找表 T3D_LUT |
3.3.3 结果分析 |
3.4 神经网络的方法 |
3.4.1 BP 神经网络的结构 |
3.4.2 BP 网络的设计分析 |
3.4.3 BP 网络的选取及实验 |
3.4.3.1 BP 网络的选取 |
3.4.3.2 实验过程 |
3.4.4 结果分析 |
3.5 分析与结论 |
3.5.1 三种特征化方法优劣比较 |
3.5.2 结论 |
3.6 本章小结 |
第四章 基于simple~γ模型变换的 CRT色空间变换 |
4.1 改进的simple~γ模型变换方法 |
4.1.1 simple~γ模型介绍 |
4.1.2 改进的simple~γ模型方法的实验原理 |
4.2 改进的simple~γ模型变换方法的实验 |
4.2.1 实验设备 |
4.2.2 实验流程 |
4.2.3 实验方法及实验结果 |
4.2.3.1 多项式拟合方法 |
4.2.3.2 三维查找表方法 |
4.2.3.3 神经网络方法 |
4.2.4 结果分析 |
4.3 结论 |
第五章 显示色彩控制技术 |
5.1 色彩控制流程 |
5.2 系统应用 |
5.2.1 使用多项式拟合的方法建立色彩特征化关系 |
5.2.2 使用神经网络方法建立色彩特征化关系 |
5.3 影像结果分析 |
5.3.1 影像1 |
5.3.2 影像2 |
5.3.3 影像3 |
5.3.4 影像4 |
5.3.5 影像5 |
5.4 颜色失真的原因分析——以神经网络方法为主 |
5.5 神经网络算法优化 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 经验体会 |
6.3 进一步研究方向 |
6.4 结束语 |
参考文献 |
发表论文及参加科研情况说明 |
致谢 |
四、基于BP网络的打印机色彩控制技术(论文参考文献)
- [1]基于最优化理论的色彩输出特性研究[D]. 赵磊. 华南理工大学, 2014(05)
- [2]印刷油墨量闭环控制模型研究[D]. 范凯博. 解放军信息工程大学, 2012(06)
- [3]显示器色彩特性分析及色彩空间转换技术研究[D]. 许宝卉. 西安理工大学, 2010(10)
- [4]基于数码打样的CMYK与L*a*b*颜色空间转换方法的研究[D]. 孙静. 西安理工大学, 2009(S1)
- [5]色彩管理关键技术CIE L*a*b*与CMYK变换算法的研究[D]. 曹从军. 西北大学, 2008(08)
- [6]基于数码打样CMYK与L*a*b*颜色空间转换模型的研究[D]. 周祎. 西安理工大学, 2008(01)
- [7]一种基于BP神经网络的彩色打印机标定模型[J]. 赵磊,曹利杰. 杭州电子科技大学学报, 2008(01)
- [8]统计学习在色彩校正和色彩恒常中的应用[D]. 丁二锐. 西安电子科技大学, 2008(12)
- [9]基于人耳特征的身份识别系统设计与应用[D]. 牟晓东. 沈阳航空工业学院, 2008(S1)
- [10]数字彩色显示设备色彩控制技术研究[D]. 孙景. 天津大学, 2007(04)