文摘
英文文摘
声明
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
2.1.1RGB色彩空间
2.1.2 CMYK色彩空间
2.1.3XYZ色彩空间
2.1.4Lab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
2.2.2色彩恒常的基本算法
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
2.4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
3.2.2ICC规范约束下的Profile生成
3.2.3两种加速算法的原理
3.2.4理论及实验结果分析
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
3.4.3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
4.4.2邻域的改进
4.5小结
第五章 基于稀琉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
5.3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
5.3.3维数约简
5.3.4相关向量的预提取
5.3.5分布式结构
5.4实验结果及分折
5.4.1算法架构及参数设定
5.4.2数值实验
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
7.3.6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