一、基于图像自适应对ICC色彩管理机制的改进方案(英文)（论文文献综述）
陈中舒[1]（2021）在《基于改进深度卷积网络的焊后芯片标识高速识别方法研究》文中研究指明智能制造的发展驱动了质量检测技术的高速演进,而芯片作为电子信息产业的关键产品,对智能化质量检测技术的工程需求迫切。其中,芯片表面标识的识别技术就具备较高的需求和应用价值。随着光学字符识别技术（Optical Character Recognition,OCR）逐渐深入工业领域,设计和实现适用于芯片相关制造场景的OCR方法,成为解决芯片标识识别问题的关键途径。当前,应用于产业中的芯片标识识别技术主要依赖于基于形态学的传统方法,这类方法所适用的产品范围有限,且对环境变化非常敏感。无论是传统的形态学方法还是近年出现的深度学习OCR方法,在应对复杂生产环境的芯片标识识别时都存在众多挑战。一方面是亮度过低、噪声高、分辨率差等图像质量问题;另一方面是芯片标识印刷模糊、外观多样性高、受到焊接材料干扰等产品自身特性带来的难点。为了克服这些挑战,本文开展了对基于改进深度卷积网络的芯片标识高速识别方法研究。论文主要研究内容和创新点如下:（1）提出了基于深度卷积网络的芯片图像预处理方法。预处理能够提升芯片图像质量,减少芯片图像中影响标识识别的干扰要素,使图像比处理前更适用于OCR算法。本文通过改进的光照增强算法克服了芯片图像低对比度和高噪声的问题,通过改进的图像分割算法去除焊后芯片图像中的干扰信息,并使用残差网络统一标识的排版方向。本文将上述算法整合为基于深度卷积网络的芯片图像预处理模块。实验证明,该模块能有效地弥补芯片图像的质量问题,降低芯片外观特性给OCR算法带来的干扰,经该模块处理后的图像在后置算法或模块中能产生更好识别效果。（2）提出了基于弱监督学习的标识字符提取方法。标识字符提取方法可以将有标识的芯片图像转换为单字符图像序列。本文设计了一种基于弱监督学习的文本检测算法,可有效降低对真实生产数据的标注成本。同时,本文针对标识印刷紧凑、尺寸过小的问题,提出了自适应边缘扩展填充算法和动态标签更新策略,用于提升训练标签生成的精准度。此外,本文提出了一种字符边界校正算法,进一步提升提取后字符边界的精准度。实验证明,该方法的字符提取召回率达到96.71%,具备较强的字符检出能力。（3）提出了基于深度卷积网络的标识单字符识别算法。本文针对标识单字符图像分辨率差、清晰度低、样本分布不平衡等问题,提出了芯片单字符图像数据扩增方法,即通过类别平衡和自适应色阶增强算法,进一步提高字符图像的可识别性和学习效果。通过对下采样过程和损失函数的优化,提出了基于卷积神经网络的标识字符识别算法。实验证明,标识单字符识别算法准确率达到99.52%,达到生产环境的理想水平。（4）实现了基于改进深度卷积网络的芯片字符标识识别系统。本文实现了上述设计的各类方法和算法,并整合为具有易部署性、易扩展性和易用性的芯片标识识别系统。对芯片标识识别系统的集成测试证明,本文提出的芯片标识识别方法在复杂生产环境下比常规的深度学习OCR算法更贴合芯片图像的特性,识别召回率达到93.98%,对多种外观芯片标识识别表现优秀的自适应能力。且在图像硬件加速的前提下,算法的运行速度达到20.81帧每秒,满足现有贴片工艺的生产节拍,符合生产环境的实际需求。
陈俊杰[2]（2020）在《耦合BIM的长距离输水渠道无人机巡检与险情智能图像识别研究》文中进行了进一步梳理由于沿程地质、水文、气象和人文等环境条件的复杂性,长距离输水渠道的安全运行和供水保障时刻面临着冰凌拥堵、污染物入侵和边坡破坏等各类险情灾害的威胁。及时准确地识别险情,以在初始阶段采取措施控制险情灾害的发展,是应急响应和决策制定的重要前提。当前工程实践主要依赖于人工巡检和安全监测来对渠道运行过程中的安全风险进行识别。然而,人工巡检耗时长、效率低,且缺乏有效的信息协同机制来支撑快速安全诊断;安全监测仅限于个别典型断面的考察,存在险情漏报的风险,且难以对异物入侵、冰凌等非结构性的险情类型进行诊断。另外,长距离渠道常常穿越高寒无人区,当地严酷的自然地理环境给人工巡检带来了困难。针对现有手段的不足,有必要探索长距离输水渠道巡检和险情识别的新方法和新技术,以提升渠道运行风险发现和应急响应的能力,为保障工程供水安全提供新的途径。无人机、建筑信息模型（Building Information Modeling,BIM）及图像识别等新兴技术的发展,为长距离输水渠道巡检和险情识别手段的创新提供了可能。无人机具有机动灵活、视野开阔、适应高空作业的优点,可解决传统人工巡检效率低、长距离无人区交通不便等弊端;BIM以可视化的方式综合集成多源信息,可为渠道安全诊断提供信息辅助;图像识别对无人机巡检航拍图像进行自动批处理,可实现渠道全程险情的无盲区覆盖。本文从“渠道巡检航拍——动态BIM耦合——图像预处理——险情智能识别”的全流程出发,深入研究长距离输水渠道巡检与险情识别理论方法与应用,实现了多源信息辅助下集动态BIM-天地耦联-智能识别于一体的虚实信息增强巡检与险情快速溯源,有助于克服高寒环境下人工巡检困难、效率低、缺乏信息辅助的弊端,为高寒长距离输水渠道的应急巡检和险情追踪提供高效智能的技术手段。本文的主要研究成果如下:（1）提出了耦合动态BIM的无人机增强现实巡检方法。构建了耦合安全监测的输水渠道动态BIM模型,提出了动态BIM与巡检航拍视频的匹配联动算法,实现了动态BIM辅助下无人机巡检虚实信息的增强,克服了传统人工巡检效率低、前后方不协同和缺乏天地一体化多源信息辅助的弊端,为长距离输水渠道的安全巡检提供了一种新的自动化手段。（2）提出了BIM驱动的输水渠道航拍图像兴趣区提取方法。利用位置、姿态等地理标签信息,进行BIM三维注册渲染,进而指示航拍图像兴趣区提取,有效避免了传统方式对人工先验知识的依赖,实现了兴趣区提取的自动批处理,有助于克服大尺度航拍影像对图像识别任务的背景干扰,为渠道险情图像识别提供了有效的预处理手段。（3）研究了渠道冰情的智能图像识别技术。从对渠道冰情的先验观察出发,提出利用色彩特征指标St V、纹理密度特征指标EP,以及纹理方向特征指标δ-EHD和δ-HOG,进行明流、冰盖、流凌、冰塞等四个冰情阶段及流凌强度等级识别的方法,建立了基于图像特征的冰情识别支持向量机（Support Vector Machine,SVM）模型,实现了渠道冰情阶段和流凌强度等级的智能识别,有助于提高冰情监控的覆盖范围和险情识别的效率。（4）研究了基于无人机航拍的渠道水面异物智能图像识别技术。提出了基于SLIC超像素纹理特征的渠道水面异物图像检测方法,构建了异物类型识别的“层级投票”机制,给出了基于摄影测量学和航拍位姿信息的异物空间定位和几何特征估算方法,实现了渠道水体异物检测、分类、追踪的全流程自动化,克服了传统人工巡视效率低下、存在人为因素干扰的弊端,有助于解决渠道异物入侵发现难、鉴别难、追踪难的问题,为输水渠道水质安全管理提供了新的手段。（5）研究了渠道边坡破坏的智能图像识别技术。通过比选分析,给出了可有效描述边坡破坏的图像特征向量“LBP+HSV”,提出了基于超像素分割和支持向量机的边坡破坏图像识别方法,实现了基于图像数据源的渠道边坡状态自动识别。通过该方法与无人机巡检航拍相结合,可克服传统安全监测仅能感知有限个典型断面边坡状态的不足,为长距离输水渠道全线边坡状态的快速识别评估提供了新的思路。
王天鹏[3]（2020）在《基于FPGA的自适应图像去雾算法研究与实现》文中研究表明视频图像是当今社会信息交互的主要媒介。人类依靠视觉获取视频图像并影响大脑判断,智能设备依赖视觉传感器获取环境信息。雾霾天气下大气粒子对光路的散射使得清晰图像的获取变得困难,进而产生一系列安全隐患。随着5G、物联网和自动驾驶等新兴技术发展,更多智能设备将在视觉系统的辅助下执行任务,而清晰图像的获取将增强设备工作的可靠性和稳定性,图像去雾技术应运而生。本文提出了一种基于FPGA的自适应图像去雾算法,该算法充分考虑场景细节特征并相应调整去雾策略,优化算法达成实时处理能力,为今后边缘计算硬件实现提供有效解决方案。本课题的主要工作和成果总结如下:1)建立了图像去雾算法的自适应机制。主要包含两点:一是基于图像饱和度提出雾度判定策略,自动判定当前图像是否为带雾图像;二是将图像场景分为天空区域、非天空区域深度断层和非天空区域连续平面,分别执行相应去雾优化算法。其中在非天空区域去雾中创造性提出了滤波器尺寸自适应调整策略,解决了传统去雾算法在深度断层处可能产生的光晕效应。2)完成了基于FPGA核心的通用视频处理平台电路板卡的设计和制作。平台采用Xilinx公司XC7K325T型号高性能FPGA作为主处理器,板载DDR3 SODIMM内存插槽,实测内存条与FPGA之间数据交互最大带宽达到11.2GB/s,板载四路HDMI1.4视频输入接口和四路HDMI1.4视频输出接口,支持所有视频接口同时输入输出。3)实现了视频去雾算法在FPGA端的实时处理设计。代码工程采用SystemVerilog语言描述FPGA端RTL架构,充分考虑了时钟树结构优化、流水线设计、跨时钟域同步设计、高扇出信号设计、逻辑复用以及复杂运算的并行化实现等。经时序约束后所有路径均满足建立时间和保持时间要求。系统LUT资源和RAM资源占用量分别为35.52%和41.69%,系统对1080P视频实时处理的功耗为3.397W。本课题FPGA代码工程已开源。4)开展了多角度视频去雾算法功能性能测试评价。为避免评价指标单一和主观性对算法效果评估产生的影响,分别从天空区域去雾效果、景物细节去雾效果和图像整体去雾效果三个方面进行测试评价。在图像整体去雾效果评价中,采用全局饱和度、全局对比度、峰值信噪比和结构相似度四个指标进行评估,并将测试组分为薄雾组和浓雾组分别评价。对雾天随机拍摄的50张室外图像进行去雾测试,结果表明经本文算法去雾后的图像色彩自然而无过饱和现象,全局对比度和饱和度提升比率均值分别为0.309和0.994。滤波器尺寸自适应调整策略充分考虑细节特征,使得去雾后图像相比原始图像没有明显失真,结构相似度均值达到0.881。算法在FPGA端满足对1080P格式视频实时去雾处理需求。
邵航[4]（2020）在《基于数据挖掘的城市食品质量安全知识发现与情报提取》文中提出城市是现代人类最重要的聚居空间,也是人类文明的数据洪流交汇集中的枢纽。城市中的食品质量安全与人民群众的生命安全密切相关。源于食品领域的安全隐患可能通过我们未知的发生机理,演化为各类危及社会公共卫生安全的不明形态突发事件。在大数据和人工智能高速发展的今天,为了及时防范化解潜在的食品安全及其衍生危机,依托数据挖掘技术的食品安全事件预警防控体系,应该成为突发公共卫生事件预警防控的前哨阵地。本文的研究从海量的食品安全数据中开展深度数据挖掘,以数据科学发展前沿的机器学习与人工智能技术为方法,以面向国家安全与发展战略的情报科学为手段,以与食品安全密切相关的食品科学的经典知识为背景,发现隐性知识,并最终提取为食品安全情报,直接作用于食品安全事件乃至突发公共卫生事件的监管防控,从而防范化解重大社会公共安全隐患。本文的研究将主要围绕如下五大重点任务展开:（1）探索和构建基于数据挖掘的新型社会公共安全情报分析提取体系模型。在总结“数据挖掘与知识发现”和“情报提取与情报分析”两大板块前人研究所涉及的基础理论、研究流程和基本范式的基础上,独立地提出了数据驱动的PMDA-DIKI公共安全情报分析提取体系模型。该模型描述了多源数据变为安全情报的过程中,数据处理流程和数据存在形态的基本演进路径,同时也定义了从数据出发进行公共安全情报提取的操作步骤,即:采取“加工处理→数据挖掘→知识发现→算法激活”的手段,使数据按照“数据→信息→知识→情报”的级次逐步被提取为所需要的公共安全情报。在以食品安全数据为研究对象时,采取了“三分法”,将食品安全数据类型划分为准结构化食品安全数据、半结构化食品安全数据、非结构化食品安全数据,有利于根据数据结构特征的差异,有的放矢地采用更加契合的机器学习算法,开展知识发现与情报提取。该模型的建立为后续研究提供了理论基础和行动依据。（2）针对准结构化的食品安全行政处罚数据,采用基于R语言的广度优先的Apriori算法和Quantum GIS软件,展开了食品安全情报提取。结果表明武汉地区食品安全事件在时间上表现出冬春季高发,在空间上表现出长江北岸严重于长江南岸,在地理分布上沿“鄂东走廊”呈西北-东南向递减;以“最小支持度=0.0135,最小可信度=0.1”的参数设置,在隐性规律上提炼出“{黄曲霉毒素B1→调味品→芝麻酱}”和“{糖精钠→蔬菜制品→萝卜丁}”等重要关联规则。该研究为武汉地区食品安全风险,乃至公共卫生事件风险的防范化解均提供了有益参考。（3）针对半结构化的食品安全理化指标数据,以CART和Adaboost算法,结合部分依赖图,以及社会网络分析开展了食品安全情报提取。结果表明经过训练的CART和Adaboost决策树对新输入猪肉脯的理化指标识别率达到了90%以上;部分依赖图显示“蛋白质23-35g/100g,挥发性盐基氮18-28mg/100g”时猪肉脯质量安全水平最高;社会网络分析法发现了“铅-蛋白质-脂肪”等隐性关系链条,为食品生产工艺的过程控制提供了有益参考。（4）针对非结构化的食品安全图像数据,采取像素色值分析与人工神经网络相结合的方法,展开了食品安全情报提取。首先使用RGB像素色值分析提取出“安全”和“不安全”的30个宜昌蜜橘样本的像素特征,以EMD算法进行聚类分组,并以荧光标记进行定量评估;然后使用Rprop神经网络对基于果皮成色的宜昌蜜橘的质量安全水平进行了预测,准确率达到90%以上,为基于图像的食品质量无损检测技术提供了有益参考。（5）讨论了城市食品安全情报系统的现实构建问题,提出以“专业化城市公共安全情报工作站”的形式实现城市食品安全情报工作系统。结果表明,专业化的情报分析队伍、矩阵化的组织架构、专业智库式的工作流程和面向大数据处理的工作环境能够满足城市食品安全情报系统构建的现实需求。该系统的构建,为城市食品质量安全,甚至其他公共安全情报体系的现实层面的实现提供了可参考案例。本文使用数据挖掘与知识发现的技术方法,从公共安全情报的角度,对城市食品安全的监管防控提供了有力的决策支持,同时也探索出一条具备在其他公共安全领域应用潜质的新型公共安全情报分析提取途径。
付茜雯[5]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中研究指明科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
王琳[6]（2020）在《基于扩展P系统的粒子群算法及其在聚类分析中的应用》文中认为PSO算法作为一类仿生智能优化算法,是模拟自然界中鸟群觅食行为而抽象出来的计算模型。每个粒子依靠个体经验和群体经验来调整自己的运动轨迹,从而可以通过简单的个体行为实现复杂的群体行为。但是,正是由于PSO算法的不确定性和随机性,算法在运行后期易于陷入局部最优,出现早熟的现象。尤其是在面对复杂的优化问题时,算法在收敛精度和收敛速度方面都需要进一步的提高和优化。膜计算,又可以称为P系统,是模拟细胞、组织和器官之间生化反应而抽象出来的新型计算模型。作为自然计算的一个重要分支,P系统的计算模型主要是由膜结构、膜对象和膜规则三部分构成。由于细胞、组织和器官之间的相互独立性,P系统也是按照分布式并行模型运行,许多研究已经证明了P系统的计算能力不仅可以等价于图灵机,甚至还有可能超越图灵机的局限性。聚类分析一直是数据挖掘领域内的热点研究问题,尤其是在移动数据爆炸式增长的今天,传统的PSO聚类算法在处理这些数据时存在一定的局限性。因此,必须要结合新的计算方法或者引入新的计算模型,来提高PSO算法的聚类性能。图像分割问题一直都是聚类分析方法的重要应用,如何提高PSO算法的分割效果、降低PSO算法的计算复杂度是分割算法研究工作中的热点内容。本文的主要研究内容如下:（1）提出了三种扩展P系统的计算模型在传统P系统的基础上,提出了三种扩展膜计算模型,分别是基于膜分裂/膜溶解规则的进化交流类细胞P系统、带有促进剂/抑制剂的进化交流类组织P系统和链式P系统,分别从膜结构、膜对象和膜规则三方面构建了扩展P系统的计算模型,最后对三种扩展P系统通过计算能力分析证明了其有效性。（2）提出了基于扩展P系统的多粒子群协同进化模型（PSO-P）通过引入P系统的分布式计算框架和进化交流规则,建立了基于扩展P系统的多粒子群协同进化模型（PSO-P）,将PSO算法中的种群划分成多个子种群,并通过子种群内部和子种群之间的进化-交流机制实现多个子种群的协同进化过程。（3）提出了一种基于扩展类细胞P系统的PSO优化算法（DSPSO-ECP）将改进的八哥PSO算法和基于膜溶解/膜分裂规则的进化交流类细胞P系统相结合,提出了DSPSO-ECP算法。在该算法中,引入了基于适应度-欧氏距离比值的邻居选择策略,并结合了个体最优和全局最优信息来调整粒子的位置。通过扩展类细胞P系统中的膜分裂/膜溶解规则来避免子种群陷入局部最优。（4）提出了一种基于扩展类组织P系统的QPSO优化算法（CQPSO-ETP）将改进的QPSO算法和带有促进剂/抑制剂的交流进化类组织P系统相结合,提出了CQPSO-ETP算法。在该算法中,引入了种群多样性函数和协作学习机制,分别定义了带有促进剂和抑制剂的进化规则,通过相邻子种群的共享信息来动态的调整粒子的迭代进化过程。（5）提出了一种基于复合链式P系统的PSO聚类算法（KEPSO-CCP）在传统的PSO聚类算法中,引入划分后的类簇信息作为粒子的环境信息,每个粒子结合历史信息、全局信息和环境信息来确定自己下一步的搜索方向。同时,基于复合链式P系统的交叉变异规则,通过差分进化算法中的交叉变异操作实现对子种群内的全局最优的局部搜索。（6）提出了三种基于扩展P系统的粒子群图像分割算法针对三种基于扩展P系统的粒子群算法,提出了三种图像分割算法,分别是基于类细胞P系统的混合PSO聚类分割算法,基于链式P系统的PSO聚类分割算法以及基于类组织P系统的QPSO两阶段聚类分割算法。第一种混合PSO分割算法通过结合FCM聚类算法来求解灰色图像分割问题。第二种PSO聚类分割算法将最大化类间方差作为目标函数,来求解多级阈值灰度图像分割问题。第三种基于QPSO两阶段聚类分割算法,通过结合超像素分割算法（SLIC）,来求解彩色图像分割问题。综上所述,本文主要提出了三种扩展P系统的计算模型,并在此基础上构建了基于扩展P系统的多粒子群协同进化模型。同时在三种扩展P系统的计算框架下,分别嵌入了PSO、QPSO和PSO聚类算法,并结合P系统中膜分裂/膜溶解、促进剂/抑制剂、链式结构的基本概念,提出了三种基于扩展P系统的PSO算法,并将优化后的计算模型和聚类模型,应用于图像分割问题中,以此提高PSO算法的最终分割效果。
潘俊杰[7]（2020）在《玻璃喷墨打印的图像处理及软件设计》文中认为玻璃喷墨打印是一种以玻璃为介质的喷墨打印技术,其生产制品具有抗酸碱、色泽稳定、艺术感强等优点,广泛应用于玻璃幕墙、车窗玻璃、办公室隔断等场合。目前,玻璃喷墨打印的厂商主要以国外的以色列Dip-Tech公司为代表,其制作精美但生产造价过高,在国内没有得到广泛普及。为了降低玻璃喷墨打印的生产成本,使该技术进一步得到推广和运用,本文依托实验室项目对其中的图像处理关键技术展开了相关研究。总的来说,本文的研究工作和主要贡献如下:一、本文提出了一种位矢结合的图像编辑方法,旨在增强玻璃喷墨打印的图像质量。该方法结合了两种图像类型的优势,通过对原有图像进行位图编辑、位矢转换、矢量图编辑、矢量渲染处理,使得最终编辑图像的效果既有位图丰富的色彩表现能力,又兼有矢量图缩放不失真、图像清晰、存储空间小的优点。二、针对计算机处理图像和玻璃喷墨打印图像普遍存在的色差问题,本文基于传统的ICC色彩管理研究,提出了一套应用于玻璃喷墨打印的色彩管理方案。该方案的主要内容有:显示器设备校准、打印机ICC Profile制作、正向以及反向ICC处理。通过对ICC Profile中特征化信息的处理,可以使设备间的图像色彩具有较高的一致性,使打印色彩得到充分表现,提高玻璃制品出品的工作效率。三、针对现有玻璃喷墨打印分色算法中色差大、层次感单调等问题,本文提出了一种玻璃喷墨打印的多级灰度分色算法。该算法主要有四个关键步骤:准备基础色、确定打印灰度等级、像素点映射以及误差的传递。通过该算法,可以驱动喷嘴产生多种油墨量状态的墨滴。仿真结果表明,对比常用的二值分色算法,该算法的打印图像整体输出色差小,图像色彩表现力、层次感得到提升。四、本文设计开发了一款Windows平台下玻璃喷墨打印的图像处理软件,旨在整合玻璃喷墨打印的图像处理功能。整合的功能主要包括位矢编辑、色彩管理以及分色处理等图像处理模块。同时,软件基于MFC和Open CV类库,采用C++语言进行编写,具有图像处理速度快、界面设计友好、易于维护和拓展等优点。
刘苏[8]（2017）在《显示设备ICC色彩特征文件生成方法的研究》文中进行了进一步梳理显示设备色彩管理主要解决图像在各色彩空间之间的转换问题,做到彩色图像在跨设备再现的过程中,能够保持色彩的统一性与设备的无关联,尽量避免色彩失真的问题。ICC色彩管理通过引入与设备无关的色彩连接空间PCS来统一描述设备色彩特性,建立各个设备的色彩空间和PCS之间的映射关系,实现色彩信息从输入设备色彩空间到PCS,再到输出设备色彩空间的转换,达到"所见即所得"（WYSIWYG）的目的。ICC特征文件为ICC色彩管理系统提供了设备色彩空间与色彩连接空间PCS之间的转换关系。本文以生成符合ICC标准的显示器设备特征文件为目标,对显示器特征化方法方面进行深入研究,设计并实现显示设备ICC色彩特征文件生成方法。对比常见的显示器色彩特征文件生成方法,如多项式回归法、阶调/矩阵法、人工神经网络法发现,色彩空间转换具有的模糊性、非线性映射以及高效并行处理等特点与BP神经网络所具有的特点相吻合。为了更加精确描述从设备相关色彩空间RGB转换到与设备无关的色彩连接空间PCS的关系,同时改善传统人工神经网络收敛速度较慢、耗时较长的问题,本文提出了一种基于改进BP神经网络算法的显示设备色彩特征文件生成方法。在算法设计中,首先,在给BP神经网络初始权向量的赋值时,引入了基于线性外推技术的Steffensen加速迭代法来改善BP神经网络的收敛性;其次,针对BP神经网络中由于权值和阈值的选取不当而造成收敛较慢的问题,采用自适应地调整学习率以及增加动量项的方法来调整权值和阈值;最后,针对BP神经网络训练耗时过长的问题,考虑到从RGB到Lab变换中,作为输出量的Lab仅受RGB的影响,而Lab的值并没有相互作用,所以采取网络分解的方法通过减少输出和输入端子,降低BP神经网络的训练规模。在改进了显示器特征化算法之后,本文为了改善现有ICC机制在色彩还原过程中,由于不能关注具体图像的色彩特征而造成色彩信息损失的问题,提出了一种基于图像特征的自适应ICC色彩管理机制,使之能够根据图像类别自动选择再现意图、自适应调整色域匹配算子。基于该机制,本文对设备色彩特征文件里记录的内容进行了设计,使色彩达到最佳再现效果。论文通过对比Lab色差对所提算法进行实验验证。在使用相同测试色块的情况下,分别计算由多项式回归法、阶调矩阵法、传统BP神经网络法以及本文提出的改进BP算法所产生的色差,并进行色差比较。实验结果表明,本文提出的显示设备色彩特征文件生成方法具有良好的色彩再现还原精度,能够有效解决图像在不同色彩空间转换时的失真问题。
曹朝辉[9]（2011）在《地图自适应色彩管理体系及其关键技术研究》文中研究指明数字制图环境下,鉴于色彩对地图的重要性及色彩在地图中的特殊作用,色彩管理在地图制图中是非常重要的一个环节。地图作为一种特殊的图形图像,它对色彩的要求与普通的图形图像有着本质的区别。建立地图自适应色彩管理体系可以从根本上解决地图出版中的色彩管理问题。为此,论文在分析地图色彩表达不一致性的原因的基础上,提出了地图自适应色彩管理体系及其关键技术。根据地图色彩管理需求的不同,提出了地图自适应色彩管理的机制,并研制了针对印地图分色与电子地图显示的自适应的地图色彩管理原型系统。论文研究的工作如下：1.分析了地图色彩表达的不确定性的根源,提出了地图自适应色彩管理体系的理论框架；2.对基于色貌模型的色彩管理机制的关键技术进行了研究,包括设备特性化、色域映射策略及色貌模型。3.针对地图具体应用展开了基于色貌模型的地图色彩管理研究,根据不同的层次需要,提出并设计了不同的色彩管理方案。4.对地图自适应色彩管理中的参数进行了研究,提出了基于地图可视化方法的色域映射策略自适应选择机制；研究了地图色域的分布特征,提出了基于色域分布特征的地图分类,并提出了地图色域映射策略的自适应选择规律；对电子地图色彩管理机制进行了研究,提出了不同层次的色彩管理方案；对印刷地图出版中的色彩管理机制进行了研究。5.构建了地图自适应色彩管理系统的技术构架,设计了印刷地图分色色彩管理模块和电子地图显示色彩管理功能模块,并以动态链接库的形式组织发布,最终依据动态链接库设计了类型自适应印刷地图分色原型系统和环境自适应电子地图显示原型系统。
刘瑞华[10]（2008）在《基于ICC规范的色彩管理技术研究》文中研究指明随着彩色信息在相关领域得到越来越广泛的应用,人们对色彩再现质量也提出了更高的要求。彩色图形图像跨设备准确再现必须借助色彩管理技术,并以准确获知、描述设备的彩色特性为前提。色彩管理引入设备无关的色彩空间（通常为CIELab或CIEXYZ）来统一描述设备彩色特性,通过色域匹配及对设备输入/输出关系非线性的校正,建立设备相关色彩空间（RGB或CMYK）与设备无关色彩空间之间的映射关系,实现彩色信息从输入设备色彩空间到设备无关色彩空间,再到输出设备色彩空间的准确转换,达到“所见即所得”（WYSIWYG）的目的。各种设备彩色特性各异,给准确建立这种映射关系带来了极大困难。本文在对色彩管理系统进行建模分析的基础上,研究了通用设备的彩色特性检测技术、输入/输出非线性校正技术和色域匹配技术;并针对现有ICC色彩管理系统的局限,研究了自适应色彩管理系统及对应的自适应色域匹配技术;最后根据理论研究成果,设计了一套基于ICC规范的色彩管理应用支撑软件。通过对扫描仪彩色特性进行的实验研究发现,扫描仪的输入特性具有较严重的非线性,且在设备无关的色彩空间内具有不一致性。针对这种情况,提出一种自适应分区回归的校正方法:首先根据每个输入扫描值在校正样本集中选取与输入值在设备色彩空间中特性最为接近的样本组成校正样本子集,即针对输入值构造特性较为一致的子空间;然后利用多重回归的方法在子空间内将输入的扫描值校正为设备无关色彩空间中的色度值。这种方法可有效提高扫描仪校正精度,且保证了校正后彩色信息的平稳性和连续性。为解决打印机输出特性在设备无关色彩空间内的非线性、不一致问题,提出一种新的校正方法:首先根据具体打印机的彩色特性生成非均匀的个性化校正样本集,以准确描述其特性;然后根据每个欲输出的设备无关色彩空间色度值,在个性化的校正样本集中选取与其在色彩空间中特性最为接近的样本组成校正样本子集;最后利用多重回归的方法进行校正,得到设备相关色彩空间的色度值。实验结果表明本方法的校正精度比传统校正方法有显着提高。不同输出设备具有不同色域,在彩色信息跨设备再现前,首先要进行色域匹配,将要再现的色彩映射至目的设备色域内。色域匹配必然会造成彩色信息的损失,因此ICC定义了三种渲染目的,以针对不同类型图像,在色域匹配时保存其最关键的色彩特征。本文对色域匹配算法进行了全面研究,针对每一渲染目的均提出了对应的算法。为提高色域匹配算法的通用性,提出一种分区变锚点的色域匹配策略:首先根据色域的几何形状将色彩空间划分为五个区,然后在每个区采用不同匹配策略以提高匹配后色彩的饱和度和精度,并在最大彩度点所在区域使用变锚点技术来保证匹配结果的色彩连续性。提出的算法可以提高匹配饱和度,减少匹配色差并避免“云纹现象”。对色彩管理系统（CMS）进行了数学建模分析,基于此构建了一种针对图像彩色特征的自适应色彩管理系统。该系统将图像色彩特征引入色彩管理过程,以图像色域作为源色域,设备色域作为目的色域,并根据图像彩色特征选取算法进行色域匹配,然后对匹配后的色度值进行针对输出设备的非线性校正后输出。由于根据具体图像的彩色特征进行色彩转换,该系统可以充分发挥设备性能,提高彩色信息的输出质量。介于目前的色彩管理应用均遵循ICC规范,对该模型在ICC规范下的实现方式亦进行了研究,给出了解决方案。针对自适应色彩管理需求,提出一种基于图像彩色特征的色域匹配算法。新算法根据图像彩色特征构造图像分割滤波器,将图像分割为色彩连续变化区域和纯色区域,然后在图像色彩连续变化区域采用压缩算法,以保持彩色细节和对比度;在纯色区域采用裁剪算法,以保证色彩精度和彩度。实验结果表明,提出的算法同时保有压缩算法和裁剪算法的优点,可有效减小图像关键彩色特征的损失,能够比传统算法获得更好的整体匹配效果。基于以上理论研究成果,提出一套符合ICC规范的色彩管理应用支撑软件设计方案,可实现对输入/输出设备彩色特性的高精度检测、描述和校正。方案针对具体设备特点生成个性化校正样本集,采用礼品包扎算法构造设备色域,根据文中提出的色域匹配算法和设备输入/输出特性校正方法建立设备无关色彩空间与设备色彩空间之间的映射关系,并按照ICC规范生成标准设备彩色特性描述文件,供通用色彩管理组件调用,以实现彩色信息跨设备、跨平台的高质量再现。同时,针对现有色度检测设备价格昂贵、检测效率低的问题,提出一种用扫描仪替代色度仪测量样本色度的方法,通过对扫描仪输入特性的高精度校正来实现样本色度的测量,可以大幅降低检测成本并提高检测效率。上述方案完全兼容ICC规范,可供输入/输出设备的研制者、生产者、使用者及第三方人员参考、使用。
二、基于图像自适应对ICC色彩管理机制的改进方案(英文)（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、基于图像自适应对ICC色彩管理机制的改进方案(英文)（论文提纲范文）
（1）基于改进深度卷积网络的焊后芯片标识高速识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 文本检测 |
| 1.2.2 文本识别 |
| 1.2.3 芯片标识OCR算法 |
| 1.3 论文研究内容 |
| 1.4 论文主要结构 |
| 第二章 基于深度卷积网络的芯片图像预处理方法 |
| 2.1 卷积神经网络相关概念 |
| 2.2 基于多级区域曝光控制的芯片图像光照增强算法 |
| 2.3 基于深度学习的图像分割网络 |
| 2.3.1 全卷积网络 |
| 2.3.2 编码—解码结构分割模型 |
| 2.3.3 Deep Lab分割模型 |
| 2.4 基于图像分割的芯片图像去干扰算法 |
| 2.4.1 标签和网络设计 |
| 2.4.2 边界定位和冗余抑制 |
| 2.5 芯片标识方向识别与修正算法 |
| 2.5.1 残差结构 |
| 2.5.2 方向修正 |
| 2.6 图像预处理模块实验 |
| 2.6.1 数据集和测试环境 |
| 2.6.2 图像预处理模块算法效用分析 |
| 2.7 本章小结 |
| 第三章 基于弱监督学习的芯片标识字符提取方法 |
| 3.1 算法框架 |
| 3.2 基于弱监督学习的文本检测网络 |
| 3.2.1 弱监督学习 |
| 3.2.2 文本检测网络 |
| 3.3 弱监督学习的标签生成方法 |
| 3.3.1 数据准备 |
| 3.3.2 字符级伪标签生成 |
| 3.3.3 自适应边缘扩展填充算法 |
| 3.3.4 动态标签更新策略 |
| 3.4 边界生成和校正算法 |
| 3.4.1 带标记的分水岭算法 |
| 3.4.2 基于掩码的字符边界校正 |
| 3.5 字符区域空间排序算法 |
| 3.6 算法对比与分析 |
| 3.6.1 评价指标 |
| 3.6.2 标签生成算法对比与分析 |
| 3.6.3 边界校正算法对文本检测效果的影响 |
| 3.6.4 芯片分割对文本检测的影响 |
| 3.6.5 方向修正对文本检测的影响 |
| 3.7 本章小结 |
| 第四章 基于深度卷积网络的芯片标识单字符识别算法 |
| 4.1 芯片标识字符图像增强 |
| 4.1.1 字符类别平衡 |
| 4.1.2 自适应色阶增强 |
| 4.2 单字符图像识别网络设计 |
| 4.2.1 网络结构设计 |
| 4.2.2 空间金字塔池化 |
| 4.2.3 大间距Softmax损失函数 |
| 4.2.4 预训练和迁移 |
| 4.3 芯片标识单字符识别算法实验 |
| 4.4 本章小结 |
| 第五章 芯片标识识别系统的实现和性能验证 |
| 5.1 芯片标识识别系统设计 |
| 5.1.1 识别系统的逻辑结构设计 |
| 5.1.2 标识识别系统的模块化实现 |
| 5.2 芯片标识识别系统集成实验 |
| 5.2.1 编辑距离 |
| 5.2.2 标识字符识别系统和深度学习OCR方法对比 |
| 5.2.3 字符边界校正对标识识别系统性能的影响 |
| 5.3 基于芯片标识识别系统的贴片标识检测系统实现 |
| 5.3.1 贴片标识检测判别规则设计 |
| 5.3.2 贴片质量的实时监测应用 |
| 5.3.3 贴片质量的数据统计应用 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（2）耦合BIM的长距离输水渠道无人机巡检与险情智能图像识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 长距离输水渠道巡检研究现状 |
| 1.2.2 冰情图像识别研究现状 |
| 1.2.3 水面异物图像识别研究现状 |
| 1.2.4 边坡破坏图像识别研究现状 |
| 1.2.5 BIM在水利工程中的应用现状 |
| 1.2.6 现有研究不足 |
| 1.3 拟解决的关键问题及技术路线 |
| 1.3.1 拟解决的关键问题 |
| 1.3.2 本文总体技术路线 |
| 1.4 本文主要研究内容 |
| 第2章 动态BIM辅助的长距离输水渠道无人机增强现实巡检研究 |
| 2.1 引言 |
| 2.2 动态BIM辅助的渠道无人机增强现实巡检技术路线 |
| 2.2.1 长距离输水渠道巡检适航无人机选型 |
| 2.2.2 具体技术方案 |
| 2.3 输水工程安全监测动态BIM及网络可视化方法 |
| 2.3.1 输水工程BIM建模方法 |
| 2.3.2 工程安全监测动态BIM构建 |
| 2.3.3 工程动态BIM的网络三维可视化 |
| 2.4 动态BIM与无人机巡检航拍影像的虚实联动方法 |
| 2.4.1 虚实相机对应物理光学参数的解算 |
| 2.4.2 网络环境下巡检航拍影像的在线发布 |
| 2.4.3 基于航拍图物理光学参数的渠道BIM实时联动 |
| 2.5 实例分析 |
| 2.5.1 工程简介 |
| 2.5.2 长距离渠道无人机巡检适用性分析 |
| 2.5.3 工程动态BIM网络三维可视化实现 |
| 2.5.4 航拍影像-BIM虚实联动的匹配精度分析 |
| 2.5.5 动态BIM辅助的无人机增强现实巡检应用 |
| 2.6 本章小结 |
| 第3章 BIM驱动的输水渠道航拍图像兴趣区提取研究 |
| 3.1 引言 |
| 3.2 输水渠道航拍图兴趣区提取研究必要性 |
| 3.2.1 兴趣区提取的必要性 |
| 3.2.2 现有方法的局限性 |
| 3.3 BIM驱动的渠道航拍图兴趣区提取总体流程 |
| 3.4 基于位置和图像配准的航拍图-BIM匹配方法 |
| 3.4.1 基于空间位置的航拍图-BIM初步匹配 |
| 3.4.2 基于图像配准的航拍图-BIM精确匹配 |
| 3.5 BIM掩膜生成方法 |
| 3.6 基于掩膜的渠道兴趣区提取 |
| 3.6.1 渠道结构提取 |
| 3.6.2 渠内液面提取 |
| 3.7 基于视频时空连续性的渠道结构提取算法改进 |
| 3.8 实例分析 |
| 3.8.1 兴趣区提取评价指标 |
| 3.8.2 渠道结构提取结果 |
| 3.8.3 渠内液面提取结果 |
| 3.8.4 基于视频时空连续性的渠道结构提取改进结果 |
| 3.9 本章小结 |
| 第4章 寒区长距离渠道冰情图像智能识别研究 |
| 4.1 引言 |
| 4.2 渠道冰情状态识别的技术路线 |
| 4.3 渠道冰期输水冻融演化过程分析 |
| 4.4 冰情图像特征描述指标提出 |
| 4.4.1 基于HSV色彩特征的描述指标St V |
| 4.4.2 基于纹理密度特征的描述指标EP |
| 4.4.3 基于纹理方向特征的描述指标δ-EHD和 δ-HOG |
| 4.5 基于η~2的冰情图像特征描述指标相关程度分析 |
| 4.6 基于支持向量机的冰情图像识别分类方法 |
| 4.7 实例分析 |
| 4.7.1 数据采集及预处理 |
| 4.7.2 数据标注 |
| 4.7.3 相关程度分析 |
| 4.7.4 SVM模型训练及结果分析 |
| 4.7.5 讨论 |
| 4.8 本章小结 |
| 第5章 长距离渠道水面异物图像智能识别研究 |
| 5.1 引言 |
| 5.2 渠道水面异物识别的技术路线 |
| 5.3 基于SLIC超像素纹理的异物检测 |
| 5.3.1 SLIC超像素分割 |
| 5.3.2 基于超像素LBP纹理的异物判别模型训练 |
| 5.3.3 异物存在性判别及实例提取方法 |
| 5.4 异物实例的类型识别 |
| 5.4.1 异物实例超像素分类的SVM模型 |
| 5.4.2 异物类型识别的“层级投票”机制 |
| 5.5 基于摄影测量的异物空间几何特征估算 |
| 5.5.1 摄影成像及坐标转换模型 |
| 5.5.2 相机内参矩阵标定 |
| 5.5.3 无人机航拍相机外参矩阵解算 |
| 5.5.4 基于三角法的异物空间定位及几何特征估算 |
| 5.6 实例分析 |
| 5.6.1 数据采集及预处理 |
| 5.6.2 异物检测及实例提取 |
| 5.6.3 异物实例类型识别 |
| 5.6.4 异物空间几何特征估算 |
| 5.6.5 讨论 |
| 5.7 本章小结 |
| 第6章 长距离渠道边坡破坏图像智能识别研究 |
| 6.1 引言 |
| 6.2 渠道边坡破坏识别的技术路线 |
| 6.3 边坡破坏特征向量选取和设计 |
| 6.4 基于超像素分类的边坡状态识别方法 |
| 6.4.1 超像素SVM分类模型 |
| 6.4.2 图像整体边坡状态识别 |
| 6.5 实例分析 |
| 6.5.1 数据采集及预处理 |
| 6.5.2 不同特征向量下的超像素分类结果 |
| 6.5.3 不同数据集规模下的超像素分类结果 |
| 6.5.4 基于超像素分类的边坡状态识别结果 |
| 6.5.5 讨论 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 本文创新点 |
| 7.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）基于FPGA的自适应图像去雾算法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 图像去雾算法研究现状 |
| 1.2.1 基于图像增强策略 |
| 1.2.2 基于图像恢复策略 |
| 1.2.3 基于深度学习策略 |
| 1.3 本文主要工作 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文组织结构 |
| 第二章 图像去雾理论方法 |
| 2.1 数字图像处理基本方法 |
| 2.1.1 图像获取 |
| 2.1.2 图像增强 |
| 2.1.3 视频传输 |
| 2.2 室外图像先验概率理论 |
| 2.2.1 暗通道先验 |
| 2.2.2 饱和度先验 |
| 2.2.3 对比度先验 |
| 2.3 图像质量评价理论 |
| 2.3.1 基于图像自身特性指标的评价方法 |
| 2.3.2 基于主观实验的评价方法 |
| 2.4 本章小结 |
| 第三章 自适应图像去雾算法研究 |
| 3.1 大气光传播模型 |
| 3.2 图像去雾算法设计 |
| 3.2.1 大气光值估计 |
| 3.2.2 传播函数估计 |
| 3.2.3 图像恢复 |
| 3.3 图像去雾算法的自适应优化设计 |
| 3.3.1 导向滤波算法 |
| 3.3.2 滤波器尺寸自适应调整算法 |
| 3.3.3 天空区域判定 |
| 3.3.4 去雾执行判定 |
| 3.4 本章小结 |
| 第四章 FPGA硬件平台设计 |
| 4.1 视频图像处理核心方案对比 |
| 4.2 视频处理硬件平台架构设计 |
| 4.3 硬件平台电路设计 |
| 4.3.1 FPGA配置电路设计 |
| 4.3.2 DDR3 电路设计 |
| 4.3.3 视频解码电路设计 |
| 4.3.4 视频编码电路设计 |
| 4.3.5 电源电路设计 |
| 4.3.6 硬件板卡PCB设计 |
| 4.4 本章小结 |
| 第五章 去雾算法的HDL编程实现 |
| 5.1 软件平台介绍 |
| 5.2 去雾算法RTL架构设计 |
| 5.2.1 系统RTL整体架构设计 |
| 5.2.2 数字图像滤波器的RTL设计 |
| 5.2.3 自适应导向滤波模块的RTL设计 |
| 5.2.4 DDR3 读写状态机RTL设计 |
| 5.2.5 系统时序约束与电路结构优化 |
| 5.2.6 算法硬件化实现误差分析 |
| 5.3 系统资源利用与功耗分析 |
| 5.4 本章小结 |
| 第六章 系统测试与评价 |
| 6.1 系统测试方案设计 |
| 6.2 测试与评价 |
| 6.2.1 雾度判定测试 |
| 6.2.2 天空识别测试 |
| 6.2.3 自适应优化效果测试与评价 |
| 6.2.4 FPGA视频去雾测试 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）基于数据挖掘的城市食品质量安全知识发现与情报提取（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本研究的理论基础与现实价值 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据科学与食品安全交叉研究的国内现状 |
| 1.3.2 数据科学与食品安全交叉研究的国外现状 |
| 1.3.3 数据科学在公共安全情报领域的应用 |
| 1.4 研究目标与内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 研究思路与技术路线 |
| 1.5.1 拟采取的研究方法 |
| 1.5.2 技术路线 |
| 1.6 本章小结 |
| 第2章 城市食品质量安全知识发现与情报提取相关理论 |
| 2.1 数据挖掘与知识发现 |
| 2.1.1 食品安全数据的获取与预处理 |
| 2.1.2 数据挖掘与知识发现的实现 |
| 2.1.3 关联规则算法与食品安全行政处罚数据处理 |
| 2.1.4 决策树型算法与食品安全理化指标数据处理 |
| 2.1.5 色值分析算法与食品安全数据图像数据处理 |
| 2.2 情报提取与情报分析 |
| 2.2.1 情报分析的典型范式 |
| 2.2.2 以目标为中心的情报分析方法 |
| 2.2.3 结构化的情报分析方法 |
| 2.2.4 大数据时代的情报获取路径 |
| 2.2.5 PMDA-DIKI情报体系模型的重要性与可试点领域 |
| 2.3 本章小结 |
| 第3章 食品安全行政处罚数据的关联规则情报提取 |
| 3.1 研究目标 |
| 3.2 数据收集与数据探索 |
| 3.2.1 武汉食品安全事件数据收集 |
| 3.2.2 武汉食品安全事件的时间特征 |
| 3.2.3 武汉食品安全事件的空间特征 |
| 3.2.4 武汉食品安全事件频繁项集的数量特征 |
| 3.3 数据挖掘与结果分析 |
| 3.3.1 基于着色散点的规则空间可视化 |
| 3.3.2 基于着色矩阵的规则空间可视化 |
| 3.4 规则提炼与可视分析 |
| 3.4.1 冗余关联规则的删除与规则精炼 |
| 3.4.2 食品安全关联规则的可视化分析 |
| 3.5 情报提取与决策建议 |
| 3.5.1 地理信息系统在情报提取领域的应用 |
| 3.5.2 武汉食品安全事件地理空间情报可视化 |
| 3.6 本章小结 |
| 第4章 食品安全理化指标数据的质量预测情报提取 |
| 4.1 研究目标 |
| 4.2 数据收集与数据探索 |
| 4.2.1 猪肉脯质量安全数据收集 |
| 4.2.2 猪肉脯质量安全数据探索 |
| 4.3 数据挖掘与结果分析 |
| 4.3.1 分类回归树算法与猪肉脯质量安全预测 |
| 4.3.2 自适应增强算法与猪肉脯质量安全预测 |
| 4.3.3 部分依赖图分析与理化指标局部最优组合 |
| 4.4 两种算法的预测结果与运行效率对比 |
| 4.4.1 分类回归树算法与自适应增强算法预测结果对比 |
| 4.4.2 分类回归树算法与自适应增强算法运行效率对比 |
| 4.5 情报提取与决策建议 |
| 4.5.1 社交网络分析在情报提取领域的应用 |
| 4.5.2 基于社交网络分析的理化指标隐蔽网络关系发现 |
| 4.6 本章小结 |
| 第5章 食品安全图形图像数据的模式识别情报提取 |
| 5.1 研究目标 |
| 5.2 准备和获取图像 |
| 5.2.1 材料与仪器 |
| 5.2.2 图像获取与图像处理 |
| 5.3 图像识别算法实现与结果分析 |
| 5.3.1 像素色值分析算法 |
| 5.3.2 向量相似度距离聚类分析 |
| 5.3.3 不同质量安全等级柑橘的橘青霉覆盖面积测定 |
| 5.3.4 不同质量安全等级柑橘的像素色值分布特征分析 |
| 5.4 情报提取与决策建议 |
| 5.4.1 神经网络模型在情报提取领域的应用 |
| 5.4.2 基于柑橘果皮成色的柑橘质量安全风险预测 |
| 5.5 本章小结 |
| 第6章 城市食品安全情报系统的现实构建 |
| 6.1 情报系统构建的现实条件与现实需求 |
| 6.1.1 情报系统构建的现实条件 |
| 6.1.2 情报系统构建的现实需求 |
| 6.2 面向需求的组织结构设计 |
| 6.3 面向需求的工作流程设计 |
| 6.4 面向需求的工作环境设计 |
| 6.4.1 硬件配置需求 |
| 6.4.2 办公空间设计 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1 本研究开展的社会调研与社会实践 |
| 附录2 本研究出具的结构化情报研判报告 |
| A.城市公共安全结构化情报研判报告 1-基于地理空间情报 |
| B.城市公共安全结构化情报研判报告 2-基于开源情报 |
| C.城市公共安全结构化情报研判报告 3-基于图像情报 |
| 附录3 本研究涉及的主要数据 |
| A.武汉地区食品安全事件行政处罚数据集(2014-2019,英译) |
| B.半结构化猪肉脯质量安全理化指标数据集(英译) |
| C.宜昌蜜橘质量安全图像采集数据 |
| 附录4 本研究涉及的算法的R语言源程序 |
| A.关联规则挖掘的Apriori算法源程序 |
| B.决策树挖掘的CART和Adaboost算法源程序 |
| C.图像识别挖掘的EMD算法源程序 |
| 附录5 攻读硕士学位期间获得的科研成果与奖励 |
| A.已发表的科技论文和投稿中的科技论文 |
| B.学科竞赛及获得奖励 |
| C.发明专利及其他应用成果 |
| 附录6 攻读硕士学位期间主持或参与的科研项目 |
（5）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（6）基于扩展P系统的粒子群算法及其在聚类分析中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表示和英文缩写清单 |
| 符号表示目录 |
| 英文缩写目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 P系统的研究现状 |
| 1.2.2 PSO算法的研究现状 |
| 1.2.3 聚类分析的研究现状 |
| 1.3 基本概念及计算模型 |
| 1.3.1 P系统 |
| 1.3.2 PSO算法 |
| 1.3.3 聚类分析 |
| 1.4 论文主要研究内容及组织框架 |
| 1.4.1 研究内容 |
| 1.4.2 论文创新点 |
| 1.4.3 论文组织框架 |
| 第2章 扩展P系统 |
| 2.1 基于膜分裂/膜溶解规则的进化交流类细胞P系统(ECP) |
| 2.1.1 ECP系统形式化定义 |
| 2.1.2 ECP系统膜结构 |
| 2.1.3 ECP系统膜规则 |
| 2.1.4 ECP系统计算能力分析 |
| 2.2 带有促进剂/抑制剂的进化交流类组织P系统(ETP) |
| 2.2.1 ETP系统形式化定义 |
| 2.2.2 ETP系统膜结构 |
| 2.2.3 ETP系统膜规则 |
| 2.2.4 ETP系统计算能力分析 |
| 2.3 链式P系统(CP) |
| 2.3.1 CP系统形式化定义 |
| 2.3.2 CP系统膜结构 |
| 2.3.3 CP系统膜规则 |
| 2.3.4 CP系统计算能力分析 |
| 第3章 基于扩展P系统的多粒子群协同进化模型 |
| 3.1 协同进化 |
| 3.1.1 基本思想 |
| 3.1.2 基本模型 |
| 3.2 基于扩展P系统的多粒子群协同进化计算模型(PSO-P) |
| 3.2.1 基本思想 |
| 3.2.2 计算框架 |
| 3.2.3 基本操作 |
| 3.2.4 计算流程 |
| 3.2.5 收敛性分析 |
| 3.3 三类扩展的PSO-P模型 |
| 3.3.1 基于膜分裂/膜溶解的自适应PSO-P模型 |
| 3.3.2 基于环形传递的PSO-P模型 |
| 3.3.3 基于混合策略的PSO-P模型 |
| 3.4 实验结果及分析 |
| 3.4.1 测试函数 |
| 3.4.2 参数设置 |
| 3.4.3 对比实验 |
| 3.4.4 t-假设检验 |
| 第4章 基于ECP的动态粒子群优化算法 |
| 4.1 基于集体响应机制的八哥PSO算法(SPSO) |
| 4.1.1 集体响应机制 |
| 4.1.2 基本流程 |
| 4.2 动态八哥PSO算法(DSPSO) |
| 4.2.1 适应度-欧式距离 |
| 4.2.2 引入全局最优的动态八哥PSO算法 |
| 4.3 基于ECP的动态八哥PSO算法(DSPSO-ECP) |
| 4.3.1 DSPSO-ECP系统的形式化定义 |
| 4.3.2 DSPSO-ECP算法的初始结构设计 |
| 4.3.3 DSPSO-ECP算法的规则设计 |
| 4.3.4 DSPSO-ECP算法的流程描述 |
| 4.3.5 DSPSO-ECP算法的时间复杂度分析 |
| 4.4 实验结果及分析 |
| 4.4.1 测试函数 |
| 4.4.2 参数设置 |
| 4.4.3 对比试验 |
| 4.4.4 Friedman假设检验 |
| 第5章 基于ETP的量子粒子群优化算法 |
| 5.1 量子PSO算法(QPSO) |
| 5.1.1 基本进化方程 |
| 5.1.2 两种搜索迭代策略 |
| 5.2 基于协作学习机制的自适应量子PSO算法(CQPSO) |
| 5.2.1 自适应机制 |
| 5.2.2 协作学习策略 |
| 5.2.3 Logistic混沌映射系统 |
| 5.3 基于ETP的自适应量子PSO算法(CQPSO-ETP) |
| 5.3.1 CQPSO-ETP系统的形式化定义 |
| 5.3.2 CQPSO-ETP算法的结构设计 |
| 5.3.3 CQPSO-ETP算法的规则设计 |
| 5.3.4 CQPSO-ETP算法的流程描述 |
| 5.3.5 CQPSO-ETP算法的时间复杂度分析 |
| 5.4 实验结果及分析 |
| 5.4.1 测试函数 |
| 5.4.2 参数设置 |
| 5.4.3 对比实验 |
| 5.4.4 Friedman假设检验 |
| 第6章 基于复合CP的粒子群划分聚类算法 |
| 6.1 带有环境因子的PSO聚类算法(EPSO) |
| 6.1.1 环境因子 |
| 6.1.2 EPSO算法的基本流程 |
| 6.1.3 带有环境因子的粒子群划分聚类算法(KEPSO) |
| 6.2 差分进化算法(DE) |
| 6.2.1 基本原理 |
| 6.2.2 基本操作 |
| 6.3 基于复合CP的粒子群划分聚类算法(KEPSO-CCP) |
| 6.3.1 复合CP系统的形式化定义(CCP) |
| 6.3.2 KEPSO-CCP算法的结构设计 |
| 6.3.3 KEPSO-CCP算法的规则设计 |
| 6.3.4 KEPSO-CCP算法的流程描述 |
| 6.3.5 KEPSO-CCP算法的时间复杂度分析 |
| 6.4 实验结果及分析 |
| 6.4.1 实验数据集 |
| 6.4.2 评估函数 |
| 6.4.3 参数设置 |
| 6.4.4 对比实验 |
| 6.4.5 Friedman假设检验 |
| 第7章 基于扩展P系统的粒子群聚类算法在图像分割问题中的应用 |
| 7.1 图像分割问题 |
| 7.1.1 模型描述 |
| 7.1.2 基本方法 |
| 7.2 基于DSPSO-ECP算法的模糊聚类灰度图像分割问题 |
| 7.2.1 基于模糊C均值的灰度图像分割问题(FCM) |
| 7.2.2 基于DSPSO-ECP的模糊聚类灰度图像分割算法 |
| 7.2.3 实验结果及分析 |
| 7.3 基于KEPSO-CCP算法的多级阈值灰度图像分割问题 |
| 7.3.1 多阈值图像分割问题 |
| 7.3.2 基于KEPSO-CCP的多级阈值灰度图像分割算法 |
| 7.3.3 实验结果及分析 |
| 7.4 基于CQPSO-ETP聚类算法的两阶段彩色图像分割问题 |
| 7.4.1 彩色图像分割问题 |
| 7.4.2 超像素分割算法(SLIC) |
| 7.4.3 基于SLIC和 CQPSO-ETP的两阶段彩色图像分割算法 |
| 7.4.4 实验结果及分析 |
| 第8章 总结与展望 |
| 8.1 研究总结 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间论文成果目录 |
| 攻读博士学位期间项目成果目录 |
| 攻读博士学位期间获奖成果目录 |
| 致谢 |
（7）玻璃喷墨打印的图像处理及软件设计（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 玻璃喷墨打印技术 |
| 1.2.1 彩釉玻璃 |
| 1.2.2 喷墨打印技术 |
| 1.2.3 玻璃印刷技术 |
| 1.2.4 玻璃喷墨打印的国内外现状 |
| 1.3 玻璃喷墨打印控制系统 |
| 1.3.1 总体框架 |
| 1.3.2 硬件系统 |
| 1.3.3 软件系统 |
| 1.4 玻璃喷墨打印图像处理的关键技术 |
| 1.4.1 图像编辑处理 |
| 1.4.2 色彩管理技术 |
| 1.4.3 彩色图像分色技术 |
| 1.5 研究内容 |
| 1.5.1 本文的组织结构 |
| 1.5.2 具体内容 |
| 第2章 玻璃喷墨打印的图像编辑处理 |
| 2.1 引言 |
| 2.2 位图和矢量图 |
| 2.2.1 位图简介 |
| 2.2.2 矢量图简介 |
| 2.2.3 图像格式 |
| 2.2.4 编辑处理软件 |
| 2.3 位矢编辑 |
| 2.3.1 位图矢量化 |
| 2.3.2 矢量编辑 |
| 2.3.3 矢量图渲染 |
| 2.4 图层管理技术 |
| 2.4.1 图层技术 |
| 2.4.2 图层的分类 |
| 2.4.3 图层管理 |
| 2.5 本章小结 |
| 第3章 玻璃喷墨打印的色彩一致性管理 |
| 3.1 引言 |
| 3.2 常见的色彩模型和颜色空间 |
| 3.2.1 RGB和 CMYK色彩模型 |
| 3.2.2 HSV颜色空间 |
| 3.2.3 XYZ颜色空间 |
| 3.2.4 Lab颜色空间 |
| 3.3 色彩管理技术 |
| 3.3.1 色彩管理简介 |
| 3.3.2 ICC Profile |
| 3.3.3 渲染意图 |
| 3.4 玻璃喷墨打印的色彩管理 |
| 3.4.1 玻璃喷墨打印的图像转换 |
| 3.4.2 显示器校准 |
| 3.4.3 打印机ICC Profile制备 |
| 3.4.4 正向和反向ICC处理 |
| 3.5 本章小结 |
| 第4章 玻璃喷墨打印的多级灰度分色算法 |
| 4.1 引言 |
| 4.2 星光1024/M-C喷头及其驱动控制 |
| 4.2.1 喷头简介 |
| 4.2.2 喷头电子接口面板 |
| 4.2.3 喷头的驱动控制 |
| 4.3 数字加网技术 |
| 4.3.1 加网技术 |
| 4.3.2 调幅加网 |
| 4.3.3 调频加网 |
| 4.4 多级灰度分色算法设计 |
| 4.4.1 准备基础色 |
| 4.4.2 确定打印灰度等级 |
| 4.4.3 像素点映射 |
| 4.4.4 误差传递 |
| 4.4.5 多级灰度分色算法流程图 |
| 4.5 本章小结 |
| 第5章 软件的设计和应用 |
| 5.1 引言 |
| 5.2 玻璃喷墨打印图像处理软件简介 |
| 5.3 图像处理软件主页 |
| 5.4 分色处理模块 |
| 5.5 色彩管理模块 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（8）显示设备ICC色彩特征文件生成方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 色彩理论 |
| 2.1 颜色的混合 |
| 2.1.1 加色混色法 |
| 2.1.2 减色混色法 |
| 2.2 色彩空间 |
| 2.2.1 RGB和CMYK色彩空间 |
| 2.2.2 HSV/HLS色彩空间 |
| 2.2.3 CIE XYZ色彩空间 |
| 2.2.4 CIE Lab色彩空间 |
| 2.3 显示器的呈色机制 |
| 2.4 ICC色彩管理规范 |
| 2.4.1 颜色参考空间 |
| 2.4.2 设备特征文件 |
| 2.4.3 色彩管理模块 |
| 2.5 设备色彩特征文件生成方法 |
| 2.6 本章小结 |
| 第三章 现有色彩特征文件生成方法的实验分析 |
| 3.1 实验环境 |
| 3.2 多项式回归法 |
| 3.2.1 原理介绍 |
| 3.2.2 实验过程 |
| 3.2.3 结果分析 |
| 3.3 阶调/矩阵方法 |
| 3.3.1 原理介绍 |
| 3.3.2 实验过程 |
| 3.3.3 结果分析 |
| 3.4 BP神经网络法 |
| 3.4.1 原理介绍 |
| 3.4.2 实验过程 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 基于改进BP神经网络的色彩特征化方法 |
| 4.1 BP神经网络算法的改进 |
| 4.1.1 自适应调节学习率 |
| 4.1.2 增加动量项 |
| 4.1.3 Steffensen迭代算法赋初始权值 |
| 4.1.4 网络结构的优化 |
| 4.2 基于改进BP网络的色彩特征化方法流程 |
| 4.3 实验结果及分析 |
| 4.3.1 收敛效果比较 |
| 4.3.2 精度效果比较 |
| 4.4 本章小结 |
| 第五章 基于图像色彩特征的自适应ICC色彩管理机制 |
| 5.1 现有的ICC色彩管理机制 |
| 5.2 基于图像色彩特征的自适应色域匹配 |
| 5.2.1 图像色彩特征提取 |
| 5.2.2 色域匹配优化 |
| 5.3 自适应ICC色彩管理机制与色彩特征文件生成 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（9）地图自适应色彩管理体系及其关键技术研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 研究的现状 |
| 1.3 本文的研究内容与组织结构 |
| 1.4 本章小结 |
| 第二章 地图自适应色彩管理体系的构建 |
| 2.1 地图自适应色彩管理体系的目标 |
| 2.2 地图色彩表达不确定性的根源分析 |
| 2.2.1 设备及其色度空间引起的不确定性 |
| 2.2.1.1 设备色空间的设备相关性 |
| 2.2.1.2 设备本身的色彩表现能力 |
| 2.2.2 色貌现象引起的不确定性 |
| 2.2.2.1 色貌的概念 |
| 2.2.2.2 色貌属性 |
| 2.2.2.3 色貌现象 |
| 2.3 地图自适应色彩管理的技术体系 |
| 2.3.1 需求分析 |
| 2.3.1.1 基本需求分析 |
| 2.3.1.2 个性需求分析 |
| 2.3.2 技术体系 |
| 2.4 本章小结 |
| 第三章 基于色貌模型的色彩管理机制的关键技术研究 |
| 3.1 设备特性化的建立 |
| 3.1.1 输入设备特性化的建立 |
| 3.1.2 显示设备特性化的建立 |
| 3.1.3 输出设备特性化的建立 |
| 3.2 色空间转换与色域映射 |
| 3.2.1 色空间转换 |
| 3.2.2 色域映射策略 |
| 3.2.3 再现意图 |
| 3.2.4 再现意图使用的一般性规律 |
| 3.3 色貌模型 |
| 3.3.1 色貌模型及其构建 |
| 3.3.1.1 输入参数 |
| 3.3.1.2 色适应变换 |
| 3.3.1.3 色貌属性预测器 |
| 3.3.2 CIELAB色貌模型 |
| 3.3.2.1 CIELAB色貌模型的提出 |
| 3.3.2.2 CIELAB色貌模型的构建 |
| 3.3.2.3 CIELAB作为色貌模型的不足 |
| 3.3.3 CIECAM02色貌模型 |
| 3.3.3.1 CIECAM02色貌模型的提出 |
| 3.3.3.2 CIECAM02色貌模型的构建 |
| 3.3.3.3 CIECAM02色貌模型的计算 |
| 3.3.4 iCAM色貌模型 |
| 3.3.4.1 S-CIELAB色空间 |
| 3.3.4.2 IPT均匀色空间 |
| 3.3.4.3 iCAM色貌模型的构建 |
| 3.3.4.4 iCAM色貌模型的技术流程 |
| 3.4 基于色貌模型的色彩管理机制的建立 |
| 3.4.1 基于简单色貌模型CIELAB的色彩管理机制 |
| 3.4.2 基于色貌模型CIECAM02的色彩管理机制 |
| 3.4.3 基于色貌模型iCAM的色彩管理机制 |
| 3.5 本章小结 |
| 第四章 地图自适应色彩管理方案研究 |
| 4.1 地图自适应色彩管理的参数研究 |
| 4.1.1 基于地图可视化方式的色貌模型自适应选择研究 |
| 4.1.2 基于地图分类的色域映射策略自适应选择研究 |
| 4.1.2.1 地图色域分布研究 |
| 4.1.2.2 基于色域分布特征的地图分类 |
| 4.1.2.3 地图色域映射策略选择规律 |
| 4.2 电子地图显示中的色彩管理研究 |
| 4.2.1 电子地图自身的特点 |
| 4.2.2 电子地图的显示机制 |
| 4.2.3 电子地图的色彩管理方案 |
| 4.2.3.1 基于sRGB标准色空间的电子地图色彩管理 |
| 4.2.3.2 基于ICC特性文件的电子地图色彩管理方案 |
| 4.2.3.3 基于色貌匹配的电子地图色彩管理方案 |
| 4.3 印刷地图出版中的色彩管理研究 |
| 4.3.1 印刷地图色彩管理的现状 |
| 4.3.2 印刷地图的用色特点 |
| 4.3.3 印刷地图的色彩管理方案 |
| 4.3.3.1 地图印刷色谱 |
| 4.3.3.2 基于ICC框架的传统色彩管理 |
| 4.3.3.3 类型自适应地图色彩管理 |
| 4.4 本章小结 |
| 第五章 地图自适应色彩管理实验 |
| 5.1 实验方案的确定 |
| 5.1.1 色域映射实验设定及评价体系 |
| 5.1.1.1 色域映射实验设定 |
| 5.1.1.2 色域映射评价体系 |
| 5.1.2 色貌模型实验设定 |
| 5.2 印刷地图色彩管理中色域映射策略应用实验 |
| 5.2.1 连续调地图 |
| 5.2.2 非连续调地图 |
| 5.2.3 实验结论 |
| 5.3 电子地图色彩管理中色貌模型应用实验 |
| 5.3.1 色貌模型实验 |
| 5.3.2 实验结论 |
| 5.4 本章小结 |
| 第六章 地图自适应色彩管理原型系统的研制 |
| 6.1 技术构架 |
| 6.1.1 印刷地图分色色彩管理系统技术构架 |
| 6.1.2 电子地图显示色彩管理系统技术构架 |
| 6.2 实施方案 |
| 6.2.1 地图分色色彩管理功能模型的动态链接库的实现 |
| 6.2.2 地图显示色彩管理功能模型的动态链接库的实现 |
| 6.3 地图自适应色彩管理原型系统 |
| 6.3.1 类型自适应印刷地图分色原型系统 |
| 6.3.2 环境自适应电子地图显示原型系统 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 进一步的工作 |
| 参考文献 |
| 作者简介 攻读博士学位期间完成的主要工作 |
| 致谢 |
（10）基于ICC规范的色彩管理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 色彩管理的需求背景 |
| 1.2 色彩管理的研究内容 |
| 1.3 色彩管理研究现状 |
| 1.3.1 研究进展 |
| 1.3.2 存在的问题 |
| 1.4 论文研究内容及结构 |
| 1.5 本文的主要贡献 |
| 第二章 色彩管理研究的理论基础 |
| 2.1 色度学基础 |
| 2.1.1 色彩的视觉模型 |
| 2.1.2 表色系统 |
| 2.1.3 CIE标准色度系统 |
| 2.2 测色仪器简介 |
| 2.3 色彩管理的基本模型 |
| 2.3.1 基本符号定义 |
| 2.3.2 色彩空间 |
| 2.3.3 扫描仪校正 |
| 2.3.4 打印机校正 |
| 2.3.5 色域匹配 |
| 2.4 ICC色彩管理规范 |
| 2.4.1 ICC简介 |
| 2.4.2 ICC CMS结构 |
| 2.4.3 ICC CMM |
| 2.4.4 ICC Profile |
| 第三章 扫描仪的自适应分区校正方法研究 |
| 3.1 扫描仪工作原理 |
| 3.2 现有扫描仪校正算法 |
| 3.2.1 概述 |
| 3.2.2 扫描仪的回归校正 |
| 3.2.3 扫描仪的递归分区回归校正 |
| 3.3 扫描仪的自适应分区校正算法 |
| 3.3.1 扫描仪非线性特征分析 |
| 3.3.2 自适应分区原理 |
| 3.3.3 校正样本子集提取算法 |
| 3.3.4 改进的自适应分区回归算法 |
| 3.4 实验分析 |
| 3.5 小结 |
| 第四章 个性化的自适应打印机校正方法研究 |
| 4.1 打印机校正算法概述 |
| 4.2 ICC定义的打印机校正过程 |
| 4.3 非均匀高精度的校正样本集生成方法 |
| 4.4 基于分区回归思想的打印机校正算法 |
| 4.4.1 打印机多重回归校正基础 |
| 4.4.2 打印机彩色特性分析 |
| 4.4.3 算法思想 |
| 4.4.4 校正样本子集提取算法 |
| 4.5 实验分析 |
| 4.6 小结 |
| 第五章 针对ICC渲染目的的色域匹配算法研究 |
| 5.1 概述 |
| 5.2 色域匹配的基本策略 |
| 5.3 打印机色域特性的实验研究 |
| 5.3.1 常见输出设备色域包扎分析 |
| 5.3.2 色域形状特点分析 |
| 5.4 针对感知渲染的色域匹配算法研究 |
| 5.5 针对色度渲染的色域匹配算法研究 |
| 5.6 针对饱和度渲染的色域匹配算法研究 |
| 5.6.1 算法针对的问题 |
| 5.6.2 算法思想 |
| 5.6.3 算法特点 |
| 5.7 色域匹配算法评价 |
| 5.7.1 评价方法 |
| 5.7.2 色差公式 |
| 5.7.3 压缩算法评价 |
| 5.7.4 裁剪算法评价 |
| 5.8 小结 |
| 第六章 自适应色彩管理系统的建模研究 |
| 6.1 概述 |
| 6.2 ICC色彩管理系统的建模分析 |
| 6.3 自适应色彩管理模型 |
| 6.4 自适应色彩管理在ICC框架下的实现方法 |
| 6.4.1 基于ICC Profile的设备色域信息保存方法 |
| 6.4.2 自适应CMM实现方法 |
| 6.4.3 对自适应色域匹配算法的支持 |
| 6.5 实验结果 |
| 6.6 小结 |
| 第七章 基于图像彩色特征的色域匹配算法研究 |
| 7.1 概述 |
| 7.2 算法框架 |
| 7.2.1 基本框架 |
| 7.2.2 算法优化 |
| 7.3 图像分割滤波器的构建 |
| 7.3.1 图像分割滤波器形式 |
| 7.3.2 基于图像梯度的区域分割 |
| 7.3.3 分割模板的形态学滤波 |
| 7.4 实验分析 |
| 7.5 小结 |
| 第八章 基于ICC规范的设备彩色特性描述技术研究 |
| 8.1 概述 |
| 8.1.1 研究背景 |
| 8.1.2 ICC规范简述 |
| 8.2 ICC Profile自动生成器设计 |
| 8.2.1 扫描仪Profile生成 |
| 8.2.2 显示器Profile生成 |
| 8.2.3 打印机Profile生成过程 |
| 8.3 自定义校正样本集生成技术研究 |
| 8.3.1 扫描仪校正样本集设计 |
| 8.3.2 显示器校正样本集设计 |
| 8.3.3 打印机校正样本集设计 |
| 8.4 色域提取及可视化技术研究 |
| 8.4.1 色域提取算法 |
| 8.4.2 色域提取算法实验 |
| 8.5 基于扫描仪的打印机特性检测技术 |
| 8.6 实验分析 |
| 8.6.1 扫描仪Profile测试 |
| 8.6.2 打印机Profile测试 |
| 第九章 结束语 |
| 9.1 总结 |
| 9.2 后续研究与展望 |
| 致谢 |
| 参考文献 |
| 博士期间的学术论文及科研成果 |
| 一、发表论文情况 |
| 二、参加科研情况 |
| 三、其他成果 |
| 附录A |
| 附录B |
四、基于图像自适应对ICC色彩管理机制的改进方案(英文)（论文参考文献）
- [1]基于改进深度卷积网络的焊后芯片标识高速识别方法研究[D]. 陈中舒. 电子科技大学, 2021(01)
- [2]耦合BIM的长距离输水渠道无人机巡检与险情智能图像识别研究[D]. 陈俊杰. 天津大学, 2020(01)
- [3]基于FPGA的自适应图像去雾算法研究与实现[D]. 王天鹏. 东南大学, 2020(01)
- [4]基于数据挖掘的城市食品质量安全知识发现与情报提取[D]. 邵航. 武汉理工大学, 2020(08)
- [5]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [6]基于扩展P系统的粒子群算法及其在聚类分析中的应用[D]. 王琳. 山东师范大学, 2020(08)
- [7]玻璃喷墨打印的图像处理及软件设计[D]. 潘俊杰. 浙江大学, 2020(05)
- [8]显示设备ICC色彩特征文件生成方法的研究[D]. 刘苏. 东南大学, 2017(01)
- [9]地图自适应色彩管理体系及其关键技术研究[D]. 曹朝辉. 解放军信息工程大学, 2011(07)
- [10]基于ICC规范的色彩管理技术研究[D]. 刘瑞华. 西安电子科技大学, 2008(01)