一、基于LMS与RGB子空间的扫描输入数据的颜色校正(英文)（论文文献综述）
付茜雯[1]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中认为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。
赵师贤[2]（2019）在《气液双信号肺癌标志物检测系统构建及性能研究》文中进行了进一步梳理肺癌是发病率与致死率最高的恶性肿瘤之一。临床统计发现绝大多数患者直至肺癌晚期才被确诊,这也是其死亡率居高不下的主要原因之一,而早发现早治疗对于提高患者生存率有极大的帮助,因此对患者大规模的早期肺癌筛查与诊断具有重要意义。研究发现患者呼出气体中的挥发性有机物（Volatile Organic Compounds）的种类与含量异于正常人群,且与肺癌病灶组织有密切关系,已被众多研究人员作为肺癌气体标志物。与此同时血液与组织中的肺癌肿瘤标志物,如癌胚抗原（Carcinoembryonic antigen）、细胞角蛋白19片段（CYFRA21-1）等有望应用于临床肺癌诊断。相比于医学影像学与穿刺活检,肺癌气液标志物的检测具有低成本、无创、快速等优点,虽然具有一定的假阳性率,但总体可用于大规模人群的早期肺癌筛查。然而目前对呼出气体检测多以大型仪器如气相色谱-质谱联用作为金标准,肿瘤标志物多采用酶联免疫吸附实验检测,其设备昂贵,操作复杂,往往离不开专业实验室,更不便于即时便携检测（Point of Care Testing）。虽然一些针对性的光电传感器,生物DNA传感器具有广谱性强,灵敏度高,特异性好等优点,但这些传感器往往因为信号成分单一（只有电信号,可见光信号,或者荧光信号等其中一个）,以及体系单一（气体或液体）,导致检测结果误判度较高。因此本文立足于实现肺癌患者筛查,综合分析现有筛查技术的不足,提出一套基于双信号双体系的新型肺癌标志物筛查检测系统,对肺癌呼出气体以及肿瘤标志物进行联合、快速、定性与定量检测,同时建立一套双信号特征提取算法以配合系统检测,为肺癌早期筛查提供新的思路。本文主要完成了以下几方面的工作:1)构建一套完整的新型双信号双体系肺癌标志物检测系统首先从交叉响应与特异性靶向识别机制出发,根据功能型需求分析构建检测系统,并以模块化思想为指导规划出气、液、光、机、电五大子系统,同时解决构建系统时所涉及到的五大关键性技术难题。在建立子系统时,涉及到传感气室的设计,气液传感阵列的设计,气路设计,光源设计等,并通过3D结构建模,数字模型仿真,流体力学分析、分时复用、数学模型计算、误差评估等多种数学工具与技术手段验证设计的可靠性以及配置其最优化参数,以完成系统集成。最后,将各个子系统有机整合,配合编写上下位机软件程序完成系统的调试,为后面双信号特征提取算法的设计以及气液标志物的检测提供依托平台。2)提出一套可见光信号特征提取算法从特征提取理论出发,分析可见光信号产生机制及其信号特点,在此基础上,通过信号预处理、形态学图像滤波、基于网格划分的图像分割、传感点颜色信息的提取与编码,以及最后的色彩空间转换,获取了标志物的“指纹图谱”以及HSI特征数据矩阵,为后续模式识别与计量分析提供基础。3)提出一套荧光信号特征提取算法对于荧光信号,同样根据特征提取思想,分析荧光信号产生机制与信号特点,运用光谱预处理、时频域特征提取、小波分析与分形维度等理论提取其荧光差谱的宏观与局部微观特征,并进行荧光差谱特征编码,以此算法获取的特征与数据可用于后续模式识别与计量分析。4)以交叉响应与特异性识别机制对肺癌气液标志物检测,以测试所构建的系统与算法性能。对于气体标志物,根据传感器双信号特点以及获取的数据特征矩阵,采用层次聚类分析（Hierarchical cluster analysis）,BP神经网络（Back-propagation）,主成分分析（Principal component analysis）等模式识别理论对目标气体进行了定性与定量分析,得到标志物对应的“指纹图谱”与“指纹光谱”,其中,对模式识别分析时出现的误判结果以及两种信号结果的比较分析,确定了以可见光信号进行定性以荧光信号进行定量的思路。同时分析误判来源,以设计新型传感阵列实现对醛类的检测;对于液体标志物,则采用适配体技术,结合Ag纳米团簇构建荧光探针,配合氧化石墨烯组成“荧光开断”体系以实现对液体标志物的定性与定量。最后通过大量实验测试,得到对肺癌标志性气体100%的定性识别率,以及低浓度下半定量区间（50ppb,200ppb,350ppb,500ppb）划分,整体区间划分误差小于10%;对醛类的100%准确识别以及对甲醛低浓度下具有40ppb3ppm的线性范围,最低检测限达到10.2ppb,以及91.2%110.4%较好的系统回收率;对CEA检测,探针具有靶向识别特异性,得到5.3 ng/ml14.7μg/ml的线性范围以及4.72ng/ml的检测限,综合验证了检测系统与算法的可行性。有望为临床筛查诊断提供新方法与新设备。
潘之玮[3]（2019）在《基于图像融合的多光谱图像超分辨率重建算法》文中指出多光谱成像技术可以记录场景丰富的光谱信息,并被广泛应用于传统的生物医学,军事遥感,颜色控制等领域。同时,多光谱成像技术也已在目标跟踪,人脸识别,场景分割等诸多新兴计算机视觉任务中表现出了重要的应用价值。受限于多光谱成像设备,多光谱图像无法同时被高效率和高质量地采集,这将极大地制约多光谱成像技术进一步应用与发展。本文针对上述问题,开展了如下创新性的研究工作:1.为了提升高质量多光谱图像的采集效率,提出了一种基于低分辨率光谱图像和高分辨率光谱图像融合的快速超分辨率成像框架。该框架包含图像采集和计算重建两个阶段。在采集阶段,只在较少通道采集高分辨率的光谱图像,同时在剩余通道全部采集低分辨率的光谱图像。这些低分辨率图像利用相机传感器的像素合并操作得到,从而可极大地缩减采集过程中所需的曝光时间。在重建阶段,首先计算确定光谱基元的最佳个数,同时估计得到信号依赖噪声的分布统计。通过对采集图像空间域和光谱域的退化行为进行建模,以闭合解的形式高效地重建所需的高分辨率多光谱图像。该框架的有效性在真实采集的多光谱图像上进行验证。实验结果表明,提出的快速多光谱成像框架能有效提升采集效率,在重建精度上优于现有方法,在重建效率上得到了 20×的提升。2.为了提高多光谱图像的空间分辨率,提出了一种基于低分辨率多光谱图像和高分辨率RGB图像融合的多光谱超分辨率算法。在一般的应用场合下,多光谱图像亮度正比于场景的光照强度,而RGB图像亮度和场景光强呈未知的非线性关系。为了适用于这类场合,该算法首先计算得到RGB相机的逆相机响应函数和光谱敏感函数,然后构建多光谱图像和RGB图像之间的线性关系,最后根据线性的图像退化模型高效地重建所需的高分辨率多光谱图像。与此同时,引入权重总变分作为正则项使得重建多光谱图像的边缘结构与RGB图像的边缘结构保持一致。该算法在公开数据集和实验室采集的图像集上进行有效性验证。实验结果表明,提出的多光谱超分辨率算法能有效提高图像的空间分辨率,在重建精度和计算效率上均优于现有方法。3.为了扩大多光谱图像超分辨率的应用场合,提出了一种基于概率性超像素匹配和光谱重建的图像融合算法,所需的低分辨率多光谱图像和高分辨率RGB图像在内容上无需逐像素配准。首先根据稠密近似最近邻场得到所采集图像之间的超像素对应关系,提取出超像素级的训练样本和概率性的可信度。然后构建一个概率回归模型求解从RGB空间到多光谱空间的映射函数,该模型以非齐性方差的形式结合各样本可信度。整个回归被视为一个期望最大的学习过程,且在此过程中无需进行人为参数调节。最终通过使用核方法及映射函数将RGB图像重建为所需的高分辨率多光谱图像。该算法在公开数据集和实验室采集的图像集上进行有效性验证。实验结果表明,提出的多光谱超分辨率算法能有效提高图像的空间分辨率,且由于其不需要图像之间的严格配准,比其他方法有更高的实用性。
贾媛媛[4]（2019）在《三维点云与RGB的融合与语义分割方法研究》文中提出基于三维点云数据的场景识别是计算机视觉领域中非常具有挑战性的问题,也是无人驾驶、机器视觉、增强现实/虚拟现实（AR/VR）、遥感测绘等领域更高层次视觉任务的基础。如何将传统的RGB数据与三维点云数据融合,进而提高三维点云可视化的效果和完成复杂的场景识别任务具有重要的研究意义。本文提出了一种融合RGB图像和三维点云的方法来提高三维点云特征的表达能力,从而在此基础上实现三维点云可视化任务和场景识别中的语义分割任务。本文的主要工作有:（1）针对LiDAR设备扫描采集的三维点云可视化效果较差的问题,提出了融合RGB信息的三维点云可视化方法。三维成像技术的发展,使得三维传感器设备的成本越来越低,设备逐渐小型化,因此在工业界得到了广泛的应用。但是激光雷达传感器受到其原理的限制,无法直接获取场景的颜色纹理等信息,导致三维点云可视化效果较差。而近年来获取RGB图像数据越来越容易,并且RGB图像数据中拥有丰富的纹理信息,因此提出了融合RGB信息的三维点云可视化方法。该方法主要使用RGB图像和三维点云两种数据,采用相机成像模型的理论,借助相机参数矩阵将三维点云从世界坐标系逐步转换到像素坐标系,然后将RGB信息融合到三维点云,实现融合后的三维点云可视化。该方法在2016年牛津大学的公开数据集RobotCar数据集上取得了良好的可视化效果。（2）针对三维点云在语义分割任务中仅利用三维点云数据空间信息的不足,提出了基于三维点云与RGB数据融合的语义分割网络:PI Net。PI Net网络有两个分支,P-Net和I-Net,用于融合三维点云数据的空间信息和外观信息。其中,P-Net利用原始点云数据来提取空间特征。I-Net用于提取RGB图像的外观特征。最后,我们使用投影变换来对齐和融合两个分支的特征并利用多层感知器来达到语义分割的目的。我们提出的PINet在斯坦福2D-3D-Semantics数据集上得到了很好的实验结果。
吴萌[5]（2014）在《多尺度表达和正则化方法在图像识别中的研究与应用》文中指出随着移动设备的不断普及和互联网的持续发展，以图像为载体的信息交流方式越来越普遍。如何能够自动理解拍摄图像传达的语义信息是人们实际且迫切的需求。图像识别作为解决这类问题不可或缺的手段，主要关心如何对图像中的物体及对其所处的场景进行分析判断。通常，物体识别包括个体识别、次级类别识别以及类别间的识别，而场景识别（又称为场景分类）则是根据图像内容给出其代表的语义标签（如山脉、海岸线等），可为物体识别等任务提供有效的上下文信息。为解决这两类模式识别问题，本文从对图像识别系统关键模块的现状分析出发，重点研究了特征设计中的多尺度信息和方法论中的正则化手段在图像光照预处理、人脸性别识别、物体识别和场景识别中的应用。首先，针对光照条件对图像识别的影响，本文考虑解决光源变化带来的图像颜色漂移问题，以达到色彩恒常目的。目前，不存在任何一种通用的单个色彩恒常算法能适用于不同纹理特性的图像。为此，提出一种基于纹理金字塔特征匹配和正则化局部回归（TPM RLR）的色彩恒常算法来融合单个算法的光照估计结果。TPM RLR算法结合多尺度表达构建纹理金字塔，并利用威布尔分布参数提取图像的纹理特征。然后，根据自定义的图像相似性测度查找到与待校正图像纹理最相似的参考图像集。在融合阶段，综合基于先验知识的方法与基于数据驱动方法的优点，在lαβ对立色彩空间内采用正则化局部回归合并单个算法。在两个自然图像数据集上的实验结果表明，TPM RLR融合算法能显着提高光照估计的准确度，其角度误差中值比单个算法至少降低了29%，同时其校正效果在主观和客观评价上均优于现有的融合算法。其次，以人脸这种特殊物体为研究对象，讨论了基于人脸的性别识别问题。首先，提出一种基于多尺度学习模式（MSLP）的人脸特征，该特征通过不同方法PCA/ICA/K-means学习得到多尺度卷积模板，然后对卷积后的图像按照响应强度顺序进行编码，从而形成一个紧凑且具有较高鉴别力的直方图特征来描述人脸。鉴于线性表达分类器（LinearRC）在人脸识别中的成功应用，同时又考虑到性别识别和人脸识别在数据分布上的差异，系统分析了LinearRC在性别识别上的应用。另外，从原型生成的角度出发，提出一种基于偏最小二乘的线性表达分类器（LRC PLS）及其群组分类器。在人脸性别识别上的大量实验证明，MSLP特征明显优于人工设计特征，LRC PLS较其他线性表达分类器性能稳定、耗时较短，且其群组分类器可进一步提高识别精度。鉴于原型概念在性别识别中的成功应用，从字典学习角度出发，进而提出一种基于多尺度查询图像扩展的协同表达分类器（QCRC CP），以解决较复杂环境下的物体识别问题（即处理多姿态的、多视角的、更一般化等情况下的物体识别）。QCRC CP先将单张查询图像通过放缩扩展成一个查询集，并利用典型相关分析生成与查询集最相关的一组类原型作为每一类的字典原子。这种字典构造方法结合以往原型选择方法与原型生成方法的优点，利用数据局部性剔除掉噪声，生成与查询样本相关且最能代表该类别的原型集。最后，在新构造的字典上，采用基于最小规范化残差的多变量协同表达分类器判定查询图像的类别。在多姿态人脸识别、树叶类别识别、字符识别和通用物体识别上的实验表明，QCRC CP分类器获得了令人满意的结果，且其字典构造方法优于基于原型选择和原型生成的字典学习算法。例如，QCRC CP在字符识别上的识别率比其他线性表达分类器提高了10%以上。最后，在场景识别中，考虑到合适的距离度量能有效反映高维空间中样本间的语义距离，提出一种基于正则化线性判别分析（RLDA）的全参数马氏距离度量学习算法。当训练样本数目少且特征维数高时，距离度量学习算法复杂度过高，且容易出现过拟合问题。为此，提出一种新的算法框架，即将度量学习的参数矩阵分解为一个射影矩阵与一个非负对角阵的乘积，从而可显着降低要估计的参数个数。首先，采用不同参数调制的RLDA生成一个射影向量集合。然后基于边信息，在构建的训练数据集上通过l2范数正则化的非负最小二乘对射影向量进行选择和加权。该训练集是由射影后的相似样本对子集与相异样本对子集中样本对的差向量平方组成。另外，为了保持训练库中两个子集样本数目的相对平衡，提出一种基于K近邻的简单却有效的策略。在两个场景图像集上的实验表明，所提方法较其他度量学习方法能够获得更好的场景识别效果，且运行速度是传统度量学习方法的几倍、甚至几十倍。
肖学中[6]（2009）在《基于实例的颜色处理新技术研究》文中研究说明随着数码相机和数码摄像机的普及以及互联网的迅猛发展,人们很容易得到大量的数字图像和数字视频。同时,人们希望有方便快捷的处理工具以满足其对数字图像和视频编辑的需求。因此,数字图像和视频编辑算法的研究成为相关领域的研究热点。其中的颜色处理技术近年来倍受研究人员关注,许多重要的研究成果陆续发表在国际顶级学术期刊和学术会议上。本文主要研究面向数字图像和视频的颜色处理技术。论文首先从颜色转移、彩色图像灰度化、灰度图像彩色化和颜色和谐化处理四个方面综述近年来颜色处理技术的研究现状。在此基础上,围绕颜色处理技术的功能、性能和用户友好度三个方面提出基于实例的颜色处理新技术的研究,希望能为广大用户提供具有较强功能、性能优越、使用方便的颜色处理工具。本文的研究对象是数字图像和视频的颜色,因此论文对颜色视觉和颜色系统作了必要的讨论和分析。这部分内容是基于实例的颜色处理研究的重要理论基础。本文研究工作主要包括以下几个方面:?提出了相关性颜色空间的基于实例的彩色图像颜色转移算法。该算法扩展了Reinhard等人的算法,使得颜色转移处理可以直接在表示图像数据的颜色空间进行,不受颜色空间三个分量之间相关性的影响。我们的算法采用主分量分析方法对实例图像和目标图像像素值进行分析,得到包括平移、比例缩放和旋转的操作矩阵;将操作矩阵作用于目标图像得到结果图像,从而实现在相关性颜色空间将实例图像的颜色特征转移到目标图像上的目的。?从颜色转移处理的定义出发,提出了梯度保持的颜色转移算法。该算法针对基于实例的颜色转移处理的两个方面——目标图像的梯度场和参考图像的颜色分布——将颜色转移处理形式化为一个最优化问题并得到解决。同时还提出了一种针对基于实例的颜色转移算法的客观评价尺度。实验验证了方法的有效性以及高保真性。?针对具有颜色平滑变化特征的自然场景的仿真问题,提出了时间域颜色渐变算法。这类自然场景是影视作品的常用镜头,而传统的制作方式受限于场景的大时间跨度,通常不真正制作出颜色渐变全过程。本算法首先利用自然场景图像在lαβ颜色空间三维相关性的最小化,将像素数据的三个分量进行单独处理,并对lαβ颜色空间进行量化,提高了算法的效率;算法通过直方图的渐变来实现图像序列的颜色渐变;用户通过定制调速曲线控制颜色渐变的效果,以满足相关需求。?从机器学习的角度分析颜色渐变问题,我们提出了基于径向基函数网络的时间域颜色渐变算法。该算法首先对用户交互选取的成对像素块进行预处理,得到合理的训练样本集;然后用这些训练样本去训练RBF网络;最后,将用户定制的调速曲线嵌入到RBF网络泛化式中,得到颜色渐变的处理方程。基于RBF网络的时间域颜色渐变算法使得实例图像的选择更灵活,算法更鲁棒,仿真自然场景更高效。?基于图像的颜色等特征,我们将颜色处理技术与监督流行学习技术相结合,进行了中医舌象识别的研究工作;提出了粗糙度增强的快速舌像分割算法以及基于监督流形学习的中医舌象识别算法。本文最后给出结论,提出进一步的研究设想。
郝博丽[7]（2009）在《输入设备的色彩校正》文中进行了进一步梳理随着彩色信息在相关领域得到越来越广泛的应用,扫描仪和数码相机作为主要的图像输入设备,人们对它们的色彩再现质量也提出了更高的要求。本文主要研究扫描仪和数码相机的色彩校正算法,对于扫描仪的色彩校正,在已有的多项式递归分区回归校正算法基础上,对校正样本数据进行了预处理,删除了扫描仪色域边界上聚集的饱和样本点,提出了一种改进的递归分区回归校正算法,提高了扫描仪的校正精度；对于数码相机,结合色彩管理的应用需求,提出一种多项式分区回归校正算法,该算法改进了多项式回归校正模型,引入了按精度要求递归子分的分区校正思想,同时利用新的校正模型为数码相机建立校正查找表,实验数据表明新的校正模型可明显提高数码相机校正的精度。
刘瑞华[8]（2008）在《基于ICC规范的色彩管理技术研究》文中进行了进一步梳理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。
丁二锐[9]（2008）在《统计学习在色彩校正和色彩恒常中的应用》文中研究说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。
曾平,谯婷婷,顾伟松[10]（2006）在《3-CCD扫描输入的分区校正》文中研究表明针对目前3-CCD扫描色彩失真问题,结合色彩管理应用需求,提出一种分区回归校正的新方法.新方法通过改进多项式回归校正模型,引入色调调整曲线（TRC）变换和开方运算,提高了回归校正的精度.讨论了按精度要求递归子分的分区校正策略及其校正样靶的设计方法.新方法可明显减小3-CCD扫描仪的检测误差,使其可用于打印设备彩色特性的自动检测.
二、基于LMS与RGB子空间的扫描输入数据的颜色校正(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LMS与RGB子空间的扫描输入数据的颜色校正(英文)（论文提纲范文）
（1）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 |
（2）气液双信号肺癌标志物检测系统构建及性能研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 肺癌危害与现状 |
| 1.1.2 肺癌常规诊断技术现状 |
| 1.2 肺癌标志物检测 |
| 1.2.1 肺癌呼出气体标志物检测 |
| 1.2.2 肺癌血清肿瘤标志物检测 |
| 1.3 本文的研究目的及主要研究内容 |
| 1.3.1 本文研究目的 |
| 1.3.2 本文主要研究内容 |
| 2 气液双信号检测系统的构建 |
| 2.1 引言 |
| 2.2 气液双信号检测系统总体方案设计 |
| 2.2.1 检测系统需求分析及关键技术问题研究 |
| 2.2.2 检测系统总体架构 |
| 2.3 气路传感子系统 |
| 2.3.1 基于交叉响应双信号传感阵列构建 |
| 2.3.2 气路循环设计 |
| 2.3.3 基于COMSOL软件的磁盘反应室结构优化设计 |
| 2.4 液路检测子系统 |
| 2.4.1 流体力学建模 |
| 2.4.2 芯片结构设计 |
| 2.5 光信号探测子系统 |
| 2.5.1 可见光模块设计 |
| 2.5.2 荧光模块设计 |
| 2.6 机械传动子系统 |
| 2.6.1 传动导轨设计 |
| 2.6.2 定位误差评估 |
| 2.7 电路控制子系统 |
| 2.7.1 硬件平台搭建 |
| 2.7.2 系统工作流程建立 |
| 2.8 小结 |
| 3 可见光信号特征提取算法的研究 |
| 3.1 引言 |
| 3.2 可见光信号预处理 |
| 3.3 基于形态学图像滤波操作 |
| 3.4 敏感点特征指标提取 |
| 3.4.1 基于投影的旋转网格划分 |
| 3.4.2 局部图像分割 |
| 3.4.3 图像分割算法评测 |
| 3.5 敏感点颜色信息提取与编码 |
| 3.5.1 敏感点中心与半径的确定 |
| 3.5.2 加权比例半径确定提取区域 |
| 3.5.3 颜色信息差值编码 |
| 3.6 色彩空间转换 |
| 3.7 小结 |
| 4 荧光信号特征提取算法的研究 |
| 4.1 引言 |
| 4.2 荧光信号理论与差值光谱 |
| 4.3 光谱信号预处理 |
| 4.4 宏观特征指标提取 |
| 4.5 荧光分形特征提取 |
| 4.6 微观特征指标提取 |
| 4.6.1 小波变换 |
| 4.6.2 信息熵 |
| 4.7 荧光光谱信号特征编码 |
| 4.8 小结 |
| 5 检测系统对气液体标志物识别性能研究 |
| 5.1 引言 |
| 5.2 模式识别 |
| 5.2.1 层次聚类分析 |
| 5.2.2 主成分分析 |
| 5.2.3 基于BP神经网络的特征向量识别 |
| 5.3 对气体标志物的检测 |
| 5.3.1 标志性VOCs选取与制备 |
| 5.3.2 对标志性VOCs的检测识别 |
| 5.4 对醛类的检测识别 |
| 5.5 对液体标志物的检测 |
| 5.6 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.1.1 本文主要工作 |
| 6.1.2 本文主要创新点 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读博士学位期间完成的科研论文 |
| B.作者在攻读博士学位期间参与的科研项目 |
| C.作者在攻读博士学位期间参加的学科竞赛 |
| D.学位论文数据集 |
| 致谢 |
（3）基于图像融合的多光谱图像超分辨率重建算法（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 多光谱成像技术 |
| 1.2 多光谱成像中的问题 |
| 1.3 单幅图像超分辨率算法研究现状 |
| 1.4 多光谱图像超分辨率算法研究现状 |
| 1.5 RGB辐射校正方法研究现状 |
| 1.6 光谱重建方法研究现状 |
| 1.7 当前的多光谱图像超分辨率主要算法介绍 |
| 1.8 本文主要工作与创新 |
| 1.9 本文章节安排 |
| 2 基于像素合并与谱分解的多光谱快速超分辨率成像方法 |
| 2.1 背景 |
| 2.2 快速多光谱超分辨率成像 |
| 2.3 算法实施细节 |
| 2.4 实验结果 |
| 2.5 本章小结 |
| 3 基于RGB图像融合与辐射校正的多光谱图像超分辨率算法 |
| 3.1 背景 |
| 3.2 多光谱图像超分辨算法 |
| 3.3 算法实施细节 |
| 3.4 实验结果 |
| 3.5 本章小结 |
| 4 基于概率性超像素匹配和光谱重建的多光谱图像超分辨率算法 |
| 4.1 背景 |
| 4.2 多光谱图像超分辨算法 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 附录 |
| A 证明式(3.27) |
| B 证明式(4.14)-(4.16) |
| C 证明式(4.22)-(4.23) |
| 作者简历 |
| 攻读博士学位期间的研究成果 |
（4）三维点云与RGB的融合与语义分割方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究工作 |
| 1.4 论文结构 |
| 2 相关工作 |
| 2.1 三维成像技术发展现状 |
| 2.1.1 相机模型的基本原理 |
| 2.1.2 刚体变换 |
| 2.1.3 透视投影 |
| 2.1.4 畸变校正 |
| 2.1.5 数字化图像 |
| 2.2 三维点云的语义分割相关技术介绍 |
| 2.2.1 基于图像的语义分割技术 |
| 2.2.2 基于三维点云的语义分割技术 |
| 2.2.3 小结 |
| 3 融合RGB信息的三维点云可视化方法 |
| 3.1 问题分析与解决思路 |
| 3.2 融合RGB信息的三维点云可视化方法框架 |
| 3.2.1 融合RGB信息的三维点云可视化步骤 |
| 3.2.2 三维点云从世界坐标系转换至相机坐标系 |
| 3.2.3 三维点云从相机坐标系转换至图像坐标系 |
| 3.2.4 三维点云从图像坐标系转换至像素坐标系 |
| 3.2.5 RGB数据与三维点云数据的对齐 |
| 3.3 实验结果与分析 |
| 3.3.1 实验数据集 |
| 3.3.2 数据预处理 |
| 3.3.3 实验结果与分析 |
| 3.4 小结 |
| 4 基于三维点云与RGB数据的语义分割 |
| 4.1 问题分析 |
| 4.2 基于三维点云与RGB数据融合的语义分割算法框架 |
| 4.2.1 PI Net架构 |
| 4.2.2 P-Net架构 |
| 4.2.3 I-Net架构 |
| 4.2.4 特征融合层 |
| 4.2.5 分类预测层 |
| 4.3 实验结果与分析 |
| 4.3.1 实验环境 |
| 4.3.2 实验数据预处理 |
| 4.3.3 实验结果 |
| 4.3.4 实验结果分析 |
| 4.4 小结 |
| 5 结论与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）多尺度表达和正则化方法在图像识别中的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 图像识别系统关键技术研究现状 |
| 1.2.1 预处理 |
| 1.2.2 特征提取 |
| 1.2.3 分类器设计 |
| 1.2.4 模型选择与评价 |
| 1.3 多尺度表达与正则化技术 |
| 1.3.1 多尺度表达 |
| 1.3.2 正则化技术 |
| 1.4 主要内容和章节安排 |
| 第二章 基于多尺度纹理特征和正则化回归的光照预处理 |
| 2.1 引言 |
| 2.2 色彩恒常理论 |
| 2.2.1 朗伯特反射模型 |
| 2.2.2 单个色彩恒常算法 |
| 2.2.3 对角模型 |
| 2.3 相关的色彩恒常融合算法 |
| 2.4 基于多尺度纹理特征与正则化局部回归的色彩恒常融合算法 |
| 2.4.1 基于威布尔分布参数的纹理金字塔特征 |
| 2.4.2 图像相似性测度 |
| 2.4.3 采用正则化局部回归的融合方案 |
| 2.5 实验结果与分析 |
| 2.5.1 评价标准 |
| 2.5.2 实验数据集与参数设置 |
| 2.5.3 SFU数据库上的实验结果 |
| 2.5.4 MS数据库上的实验结果 |
| 2.5.5 TPM RLR算法的进一步分析 |
| 2.6 本章小结 |
| 第三章 基于多尺度学习特征和线性表达分类器的性别识别 |
| 3.1 引言 |
| 3.2 人脸特征提取和线性表达分类器 |
| 3.2.1 人脸特征提取方法 |
| 3.2.2 线性表达分类器 |
| 3.3 基于多尺度学习模式的人脸特征 |
| 3.3.1 多尺度学习模式 |
| 3.3.2 人脸表示 |
| 3.4 基于隐原型的线性表达分类器 |
| 3.4.1 基于偏最小二乘的线性表达分类器 |
| 3.4.2 基于群组的LRC PLS分类器 |
| 3.5 实验结果与分析 |
| 3.5.1 实验数据集与参数设置 |
| 3.5.2 单个数据库实验结果 |
| 3.5.3 跨数据库实验结果 |
| 3.5.4 GLRC PLS分类器的性能测试 |
| 3.6 本章小结 |
| 第四章 基于多尺度查询扩展协同表达分类器的物体识别 |
| 4.1 引言 |
| 4.2 协同表达分类器与字典学习 |
| 4.2.1 协同表达分类器 |
| 4.2.2 基于字典学习的线性表达分类器 |
| 4.3 基于类原型的多尺度查询扩展协同表达分类器 |
| 4.3.1 多尺度查询图像扩展 |
| 4.3.2 基于典型相关分析的类原型生成 |
| 4.3.3 基于最小规范化残差的多变量协同表达分类 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据集与参数设置 |
| 4.4.2 FERET Pose数据库上的实验结果 |
| 4.4.3 Swedish Leaf数据库上的实验结果 |
| 4.4.4 Chars74k数据库上的实验结果 |
| 4.4.5 ETH-80数据库上的实验结果 |
| 4.4.6 算法效率分析 |
| 4.4.7 QCRC CP分类器的进一步分析 |
| 4.5 本章小结 |
| 第五章 基于正则化LDA的度量学习在场景识别中的应用 |
| 5.1 引言 |
| 5.2 马氏距离度量学习问题 |
| 5.2.1 K近邻算法 |
| 5.2.2 距离度量学习 |
| 5.3 相关的距离度量学习算法 |
| 5.4 基于正则化线性判别分析的距离度量学习 |
| 5.4.1 基于正则化线性判别分析的射影矩阵 |
| 5.4.2 相似样本对子集与相异样本对子集 |
| 5.4.3 非负对角选择矩阵 |
| 5.5 实验结果与分析 |
| 5.5.1 实验数据集与参数设置 |
| 5.5.2 特征提取 |
| 5.5.3 8类自然场景数据库上的实验结果 |
| 5.5.4 8类运动场景数据库上的实验结果 |
| 5.5.5 算法效率分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 附录 A 部分彩图 |
| 附录 B lαβ-RGB空间变换 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文、专利 |
（6）基于实例的颜色处理新技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 颜色处理技术研究现状 |
| 1.2.1 颜色转移处理 |
| 1.2.2 彩色图像灰度化 |
| 1.2.3 灰度图像彩色化 |
| 1.2.4 颜色和谐化处理 |
| 1.3 存在的问题及发展趋势 |
| 1.4 本文创新之处 |
| 1.5 本文内容及章节安排 |
| 第2章 颜色视觉与颜色系统 |
| 2.1 引言 |
| 2.2 可见光及其性质 |
| 2.3 颜色视觉 |
| 2.3.1 视觉系统的基本结构及功能 |
| 2.3.2 颜色视觉理论 |
| 2.4 颜色系统与颜色空间 |
| 2.4.1 CIE XYZ 颜色系统 |
| 2.4.2 RGB 颜色空间 |
| 2.4.3 HSV 颜色空间 |
| 2.5 本章小结 |
| 第3章 相关性颜色空间的基于实例的颜色转移 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 主分量分析方法 |
| 3.3.1 主分量分析方法基本原理 |
| 3.3.2 主分量的性质 |
| 3.4 全局颜色转移算法 |
| 3.4.1 基于统计量的全局颜色转移 |
| 3.4.2 拟合椭球体变形 |
| 3.5 基于掩膜的局部颜色转移算法 |
| 3.6 实验结果 |
| 3.7 本章小结 |
| 第4章 梯度保持的颜色转移 |
| 4.1 概述 |
| 4.2 相关工作 |
| 4.3 梯度保持的颜色转移算法 |
| 4.4 评价尺度 |
| 4.5 实验结果 |
| 4.6 本章小结 |
| 第5章 全局时间域颜色渐变 |
| 5.1 引言 |
| 5.2 全局时间域颜色渐变系统框架 |
| 5.3 RGB 与lαβ颜色空间之间的变换 |
| 5.3.1 RGB 颜色空间到lαβ颜色空间的变换 |
| 5.3.2 lαβ颜色空间到RGB 颜色空间的变换 |
| 5.3.3 颜色坐标量化 |
| 5.4 时间线调制的直方图插值 |
| 5.4.1 调速曲线 |
| 5.4.2 直方图插值 |
| 5.5 基于直方图配准的颜色变换 |
| 5.6 实验结果 |
| 5.6.1 全局时间域颜色渐变 |
| 5.6.2 基于直方图配准的颜色转移 |
| 5.7 本章小结 |
| 第6章 基于RBF 网络的时间域颜色渐变 |
| 6.1 引言 |
| 6.2 RBF 神经网络 |
| 6.2.1 径向基函数 |
| 6.2.2 常用的RBF 神经网络训练算法 |
| 6.3 基于RBF 网络的时间域颜色渐变 |
| 6.3.1 系统框架 |
| 6.3.2 训练数据集构建 |
| 6.3.3 训练RBF 神经网络 |
| 6.3.4 颜色渐变 |
| 6.4 实验结果 |
| 6.5 本章小结 |
| 第7章 基于颜色特征和监督流形学习的中医舌象识别 |
| 7.1 概述 |
| 7.2 相关工作 |
| 7.2.1 计算机化中医舌诊 |
| 7.2.2 流形学习 |
| 7.3 舌像获取与预处理 |
| 7.3.1 粗糙度增强的舌像分割算法 |
| 7.4 基于流行学习的舌象识别 |
| 7.4.1 特征提取 |
| 7.4.2 有监督流形学习与识别 |
| 7.5 实验结果 |
| 7.6 本章小结 |
| 第8章 总结与展望 |
| 8.1 本文研究内容总结 |
| 8.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的主要研究成果 |
（7）输入设备的色彩校正（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 色彩校正研究现状 |
| 1.3 论文完成的主要工作和各章节的安排 |
| 1.3.1 论文完成的主要工作 |
| 1.3.2 各章节的安排 |
| 第二章 理论和实验基础 |
| 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 输入设备的成色原理 |
| 2.2.1 扫描仪成色原理 |
| 2.2.2 数码相机成色原理 |
| 2.3 多项式回归校正 |
| 2.3.1 线性回归原理 |
| 2.3.2 多项式回归算法在输入设备色彩校正中的应用 |
| 第三章 扫描仪色彩校正算法研究 |
| 3.1 概述 |
| 3.2 传统的扫描仪色彩校正算法 |
| 3.2.1 常见的扫描仪校正算法 |
| 3.2.2 扫描仪的分区回归校正 |
| 3.3 改进的扫描仪递归分区校正算法设计 |
| 3.3.1 扫描仪非线性特征分析 |
| 3.3.2 算法设计 |
| 3.3.3 校正样靶的设计 |
| 3.4 试验分析 |
| 第四章 数码相机的色彩校正算法研究 |
| 4.1 概述 |
| 4.2 传统的数码相机色彩校正算法 |
| 4.2.1 查找表模型 |
| 4.2.2 现有查找表模型中的多项式回归算法 |
| 4.3 基于分区回归思想的数码相机色彩校正算法设计 |
| 4.3.1 校正算法设计 |
| 4.3.2 校正样靶的设计 |
| 4.4 实验及实验结果分析 |
| 第五章 ICC Profile自动生成器设计 |
| 5.1 概述 |
| 5.2 ICC Profile自动生成器设计 |
| 5.2.1 ICC Profile格式 |
| 5.2.2 扫描仪Profile生成 |
| 5.2.3 数码相机Profile生成 |
| 5.3 实验分析 |
| 5.3.1 扫描仪Profile测试 |
| 5.3.2 数码相机Profile测试 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 研究成果 |
（8）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 |
（9）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 |
（10）3-CCD扫描输入的分区校正（论文提纲范文）
| 1 回归校正模型 |
| 1.1 常用的回归校正模型 |
| 1.2 改进的回归校正模型 |
| 2 基于线性八叉树的自动分区校正方法 |
| 3 分区校正样靶的设计 |
| 4 实验及结果分析 |
| 5 结 束 语 |
四、基于LMS与RGB子空间的扫描输入数据的颜色校正(英文)（论文参考文献）
- [1]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)
- [2]气液双信号肺癌标志物检测系统构建及性能研究[D]. 赵师贤. 重庆大学, 2019
- [3]基于图像融合的多光谱图像超分辨率重建算法[D]. 潘之玮. 浙江大学, 2019(01)
- [4]三维点云与RGB的融合与语义分割方法研究[D]. 贾媛媛. 北京交通大学, 2019(01)
- [5]多尺度表达和正则化方法在图像识别中的研究与应用[D]. 吴萌. 上海交通大学, 2014(12)
- [6]基于实例的颜色处理新技术研究[D]. 肖学中. 上海交通大学, 2009(07)
- [7]输入设备的色彩校正[D]. 郝博丽. 西安电子科技大学, 2009(02)
- [8]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)
- [9]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)
- [10]3-CCD扫描输入的分区校正[J]. 曾平,谯婷婷,顾伟松. 西安电子科技大学学报, 2006(01)