声明
摘要
第一章绪论
1．1研究背景和意义
1．2国内外研究现状
1．2．1织物测色系统的发展概况
1．2．2高光谱成像系统的发展概况
1．2．3织物智能配色方法的国内外研究概况
1．3本文主要研究内容、思路
1．4本文章节安排
第二章基于高光谱测色的织物配色理论
2．1色度学原理
2．1．1颜色的基本属性
2．1．3 CIE1931-XYZ系统的颜色表达
2．2织物配色的理论基础—Kubelka-Munk理论
2．3基于高光谱测色的织物配色理论
2．3．1织物高光谱测色的优势分析
2．3．2基于高光谱测色的织物配色理论的建立
2．3本章小结
第三章基于高光谱成像系统的织物测色实验研究
3．1织物的染色实验
3．1．1染色织物准备
3．1．2染料选型
3．1．3染色方案的选择
3．1．4染色设备与仪器
3．1．5样品配置方案选择
3．1．6染色材料及对应的药品
3．2．1测色仪器的选择
3．2．2高光谱成像系统
3．2．3基于高光谱成像的织物颜色测量优势分析
3．2．4织物高光谱图像的光谱反射率获取
3．2．5高光谱数据的光滑处理
3．3本章小结
第四章基于改进深层神经网络的织物配方预测
4．1深层神经网络原理
4．2基于深层神经网络的改进算法
4．2．1批正则化对深层神经网络进行改进
4．2．2 Dropout技术对深层神经网络进行改进
4．2．3集成学习对深层神经网络进行改进
4．2．4残差网络对深层神经网络进行改进
4．2．5基于集成学习的改进深层神经网络
4．3基于改进深层神经网络模型的织物染色配方预测实验
4．4本章小结
第五章基于区域相关性与改进循环神经网络的织物配方预测
5．1循环神经网络原理
5．2循环神经网络的改进
5．2．1基于稠密网络块的循环神经网络改进
5．2．2多任务学习对循环神经网络的改进
5．2．3改进的循环神经网络
5．3区域相关性算法
5．4基于区域相关和改进循环神经网络的织物智能配方预测实验与分析
5．5基于区域相关的配方预测算法与DataColor 650性能对比
5．6本章小结
第六章总结和展望
6．1总结
6．2展望
参考文献
攻读硕士研究生期间研究成果
致谢
