基于图像分析的颜色测量研究

摘要

随着计算机和图像处理的迅速发展，各种数字式的设备是发展的方向和潮流。目前，颜色测量大部分是基于分光光度计进行的，但是其存在一些局限性。因此，研究一种利用图像处理技术进行颜色测量，对于推进纺织品测量数字化进程有重要意义。
　　 全数字自动测色配色系统(TDColor)是基于数字图像处理的、具有自主知识产权的数字自动测色配色系统，但是TDColor系统测量出来的颜色数据有一定的误差。因此，本文研究对TDColor系统测量出来的颜色数据进行较准确的修正，分别提出了基于BP神经网络的方法和基于最小二乘法的多元线性回归的方法。实验结果表明利用双隐层人工神经网络的方法和基于最小二乘方的多元线性回归方法可以对TDColor系统测量出来的颜色三刺激值进行较好修正，其中基于最小二乘法的多元线性回归的方法更为有效，能够提高TDColor系统的颜色测量的精确度。

目录

文摘

英文文摘

声明

学位论文的主要创新点

第一章 绪论

1.1 课题背景及其研究意义

1.2 国内外研究现状

1.3 本文的主要研究内容及组织结构

第二章 颜色理论与色度学

2.1 光源与颜色

2.1.1 颜色的形成

2.1.2 光源的本质与相对光谱能量分布

2.1.3 光源色的色度特征及其对物体显色的影响

2.2 颜色的分类和特性

2.2.1 颜色的分类

2.2.2 颜色的特性

2.3 颜色空间与色差计算

2.3.1 颜色空间的概述

2.3.2 均匀颜色空间

2.3.3 色差公式的发展

2.3.4 表色色差的感觉等级

2.4 本章小结

第三章 全数字自动测配色系统(TDColor)

3.1 TDColor系统简介

3.2 TDColor系统的图像采集

3.3 TDColor系统的照相机校准

3.4 TDColor系统的颜色测量

3.5 本章小结

第四章 基于BP神经网络的颜色修正

4.1 神经网络的基础

4.1.1 神经网络的神经元模型

4.1.2 神经网络的学习与训练

4.1.3 神经网络的网络结构类型

4.1.4 神经网络的选择

4.2 BP神经网络的基本原理

4.2.1 BP神经网络简介

4.2.2 BP网络数据流传播过程

4.3 基于BP神经网络的颜色修正的实现

4.3.1 采集颜色数据

4.3.2 BP神经网络的设计

4.3.3 颜色修正

4.3.4 色差计算与分析

4.4 本章小结

第五章 基于多元线性回归的颜色修正

5.1 基于最小二乘法的多元线性回归

5.2 颜色修正的线性回归分析

5.3 基于多元线性回归的颜色修正的实现

5.3.1 颜色修正

5.3.2 色差计算与分析

5.4 两种颜色修正效果的比较

5.5 本章小结

结束语

参考文献

发表论文和参加科研情况

致 谢