進階搜尋


下載電子全文  
系統識別號 U0026-2502201305340900
論文名稱(中文) 運用類神經演算法於台灣文化色彩之產品配色研究
論文名稱(英文) The Study on Product Color Matching of Taiwanese Culture by Using Artificial Neural Network
校院名稱 成功大學
系所名稱(中) 工業設計學系碩博士班
系所名稱(英) Department of Industrial Design
學年度 101
學期 2
出版年 102
研究生(中文) 李岱容
研究生(英文) Dai-Jung Lee
學號 p36994094
學位類別 碩士
語文別 中文
論文頁數 82頁
口試委員 指導教授-蕭世文
口試委員-王中行
口試委員- 郭炳宏
中文關鍵字 文化商品  產品配色  類神經演算法 
英文關鍵字 Taiwanese culture  artificial neural network  color scheme  color matching 
學科別分類
中文摘要 台灣文化創意近年來備受重視,文化的認同與如何應用在產品上,需要大量的文化資料的考察及彙整後,再加上設計師個人的想法,發展出新的文化產品,因此一直以來都是難以發展的領域。然而越隨著科技的進步,此部分的領域並沒有因此而受惠,產品開發的時間反而不斷地在縮減。如此一來,要能設計出富有完整文化意涵的產品,便更是雪上加霜了。
在產品開發及設計的過程中,色彩計畫是最後最重要的環節,除了是消費者第一眼的強烈印象之外,同時也是代表此產品的第一印象。因此在文化商品的開發上,色彩的重要性更是首屈一指。
藉由了解台灣文化,並加以考核查證,並內化為設計師可以使用的材料,本研究將利用類神經網路系統,將蒐集而來具有台灣文化代表性的圖片簡化為一組組不同的色彩配色,最後將得以協助設計師依照不同的文化風格,發展出不同的文化商品特色。
英文摘要 Taiwan cultural creative industry has been attracted increasing attention in recent years. How to design a new product is based on its cultural and it need lots of inspection and compilation from different information. Besides, a designer needs to consider the culture’s meaning and also adds personal ideas to the product. Therefore, the development of new cultural products is difficult to extend. However, with the progress of science and technology, this part of the field does not benefit the product of Taiwan culture development. The product design period is reduced because of companies’ competition. Hence, it is harder for designers to create a new culture product.
In the process of product development, color scheme is the last and the most important step. It is the first glance to a consumer, and also represent the first impression of this product or a company. Therefore, in the development of cultural goods, color scheme is more important. By understanding Taiwanese culture and verification, a designer transforms them into a new product. This study collects lots of Taiwanese culture pictures and uses a neural network system to connect the Taiwanese meaning.
Finally, a designer can use this system to choose the better color scheme of its Taiwanese culture products.
論文目次 摘要 I
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究流程 4
1.4 全文架構 5
1.5 研究限制 7
第二章 文獻探討 8
2.1 台灣文化的內涵 8
2.2 產品配色的發展 9
2.3 色彩的預測與應用 10
2.4 色彩系統之研究 11
2.5 色彩體系介紹 12
2.5.1 曼塞爾色彩體系(Munsell Color System) 12
2.5.2 RGB色彩空間 14
2.5.3 CIELab色彩空間 15
2.5.4 sRGB色彩系統模式 16
2.5.5 CIE-XYZ色彩系統 16
2.5.6 RGB、Lab轉換公式 17
2.6 影像色彩分割 18
2.6.1 直方圖閾值化法(Thresholding) 18
2.6.2 集群分析(Cluster Analysis) 19
2.6.3 邊緣檢測法(edge detection) 20
2.6.4 區域分析法(region-based methods) 20
2.6.5 邊緣檢測法(edge detection) 21
2.6.6 類神經網路(artificial neural networks) 21
第三章 研究理論 23
3.1 模糊C-means分群法 23
3.1.1 集群分析法 23
3.1.2 K-means分群法 23
3.1.3 模糊 C-Means 分群法 24
3.2 類神經網路 26
3.2.1 類神經網路簡介 26
3.2.2 類神經網路架構 27
3.2.3 倒傳遞類神經網路(BPN) 29
第四章 研究流程與方法 34
4.1 台灣文化資料蒐集與分析 36
4.1.1 各類台灣文化資料的分析 39
4.1.2 文化三層次的解構 40
4.1.3 文化特徵的萃取 41
4.1.4 文化特徵圖片之修正 41
4.2 台灣文化配色與形容詞的擇定 42
4.2.1 文化配色的擇定 42
4.2.2 形容詞語彙的確定 42
4.2.3 建立色彩配色與形容詞語彙之關聯 43
4.3 建立台灣文化色彩配色資料庫 44
4.3.1 具代表性的台灣文化配色之挑選 44
4.3.2 運用類神經網路建立系統 44
第五章 結果與討論 47
5.1 結果 47
5.1.1 台灣文化的分析與整理 47
5.1.2 台灣文化圖片的萃取 47
5.1.3 形容詞語彙的擇定 47
5.1.4 色彩配色與風格名詞建立關聯 49
5.1.5 台灣文化配色的選擇 50
5.1.6 類神經演算結果 52
5.2 實例驗證 55
5.2.1 驗證步驟 57
5.3 討論 58
第六章 結論與建議 61
6.1. 研究貢獻 62
6.2. 後續發展與建議 63
參考文獻 64
參考文獻 中文部分

1. 王俐容(2003),從文化工業到創意產業:文化視窗第50期,台北:行政院文化建設委員會頁39-45。
2. 王浩一(2007),慢食府城:台南小吃的古早味全紀錄,台北,心靈工坊文化事業公司。
3. 田哲益(2002),台灣的原住民:達悟族,台北,台原出版社。
4. 林峰雄(2000),戲弄宜蘭,宜蘭縣,宜蘭縣立文化中心。
5. 林書堯(1998),色彩學,臺北,三民書局。
6. 林开颜,吴军辉,徐立鸿(2005),「彩色图像分割方法综述」,中国图象图形学报,第十卷第一期,頁1-10。
7. 林文昌(1994),色彩計劃,臺北市,藝術圖書。
8. 何明泉、林其祥、劉怡君(1996),文化商品開發設計之構思,設計學報。
9. 李志明(2001),影像最佳類別數目之研究,國立中央大學碩士論文。
10. 汪銘峰(2007),地方文化商品開發模式之研究-以南投縣草屯鎮為例,東海大學工業設計研究所碩士論文。
11. 宋文里(2007), 文化心理學,五南出版社。
12. 施德華(2009),中國獅舞之藝術,臺北市,國家文史叢書。
13. 袁葆宏、吳建和、劉豐豪(2008),精解 Java SE6程式語言,台北,旗標出版社。
14. 陳國強(2011),文化人類學辭典,恩楷股份有限公司。
15. 湯凱偉(2009),互動式基因遺傳演算法應用於產品配色之研究,國立成功大學工業設計學系碩士論文。
16. 楊馥菱(2002),台灣歌仔戲史,台北,晨星出版社。
17. 楊國榮(2006),形而上學引論,臺北,洪葉文化事業有限公司。
18. 葉怡成(2003),類神經網路模式應用與實作,台灣:儒林出版社。
19. 董佩珺(2008),色彩調和理論應用於產品配色系統之建立研究,國立成功大學工業設計學系碩士論文。
20. 蔡欣欣(2005),臺灣歌仔戲史論與演出評論,里仁書局。
21. 蔡淑娟(2003),類神經遺傳演算法應用於產品配色系統之建立研究,碩士論文,國立成功大學工業設計學系。
22. 賴文福(2000),民族誌學,臺北,弘智文化事業有限公司
23. 鄭國裕, 林磐聳(2002),色彩計劃,臺北市 ,藝風堂。


英文部分
24. Aghbari, Z. A., Ruba, A.H.(2006), Hill-manipulation: An effective algorithm for color image segmentation, mage and Vision Computing 24, pp.894–903.
25. Akhan Baykan, Yılmaz, N. N. (2010), Mineral identification using color spaces and artificial neural networks, Computers & Geosciences 36, pp.91–97.
26. Bir, Sukhwinder, Kaur, Amanjot (2010), Color Image Segmentation in CIELab Space Using Hill Climbing Algorithm, International Journal of Computer Applications, 7, pp.48-54.
27. Brejl, SM. and Sonka, M. (2000), Object localization and border detection criteria design in edge-based imagesegmentation: Automated learning from examples, IEEE Transactions on Medical Imaging 19, pp. 973–985.
28. Campadefli P, Medici D.,Schettini R.(1997), Color image segmentation using Hopfield networks[J], Image and Vision Computing, 15(3), pp.161-166.
29. Cheng, H.D., Jiang, X.H., Sun, Y., Wang, Jingli (2001), Color image segmentation: advances and prospects, Pattern Recognition 34, pp.2259-2281.
30. Kima, D.W., Lee K.H., Lee D. (2004), A novel initialization scheme for the fuzzy C-means algorithm for color clustering Pattern Recognition Letters, 25 (2), pp. 227–237
31. Fukada, Y., Sato, K., Mitsukura, Y., Fukumi M. (2007), The Room Design System of Individual Preference with IGA, International Conference on Control, Automation and Systems, Korea, Oct. 17-20, pp.2158-2161.
32. Fukada, Y., Sato, K., Mitsukura,Y., Fukumi, M. (2007), A Design of the Mapping Method of Color and KANSEI, RISP International Workshop on Nonlinear Circuits and Signal Processing (NCSP), China, pp.73-76.
33. Furferi, Rocco, Governi, Lapo (2011) Prediction of the spectrophotometric response of a carded Fiber composedby different Kinds of coloured raw materials: an artificial neural network-based approach, Wiley Periodicals, Inc. Col Res Appl, 36, pp.179–191.
34. Genzuk, M. (1999). Tapping Into Community Funds of Knowledge. In: Effective Strategies for English Language Acquisition: A Curriculum Guide for the Development of Teachers, Grades Kindergarten through Eight, Los Angeles Annenberg Metropolitian Project/ARCO Foundation. Los Angeles.
35. Gorji Kandi, S., Amani Tehran, M. (2007), Color recipe prediction by Genetic Algorithm, Dyes and Pigments 74, pp. 677-683.
36. Holtzschue, Linda(2006), Understanding color : an introduction for designers, Hoboken, Wiley.
37. Hsiao, S.W. (1994), Fuzzy Set Theory on Car-Color Design, Color Research and Application, 19(3), pp.202-213.
38. Huang, H., Zang, Y., Li, C.F.(2010), Example-based painting guided by color features, Vis Comput 26, pp. 933–942.
39. Kose, Erdogan (2008), Modelling of colour perception of different age groups using artificial neural networks, Expert Systems with Applications 34 pp.2129–2139.
40. Krippendorff, Klaus(1989), Product semantics: a triangulation and four design theories, Product Semantics '89 Conference, pp. a1-a23, Helsinki: UIAH.
41. Likert, Rensis (1932), A Technique for the Measurement of Attitudes, Archives of Psychology 140, pp. 1–55.
42. Littmann E., Ritter H. (1997), Adaptive color segmentation: a comparison of neural and statistical methods, IEEETrans. Neural Network 8 (1), pp.175-185.
43. Macaire, L., Nicolas Vandenbroucke, Jack-Ge ´rard Postaire (2006), Computer Vision and Image Understanding 102, pp.105-106.
44. Maureen, C. Stone.(2003), A field guide to digital color, Natick, Mass., AK Peters.
45. Nakata, Cheryl and Sivakumar , K. (1996), National Culture and New Product Development: An Integrative Review, The Journal of Marketing, 60(1), pp. 61-72.
46. Ohlander, R., Price, K., Reddy, D. R.(1978), Picture segmentation using a recursive region splitting method[J].Computer graphics and image processing, 8(3), pp.3l3~333.
47. Parallel(1993), image segmentation using modified Hopfield model, Pattern Recognition Letters ,13(5), pp.345-353.
48. Sharma , Abhay (2004), Understanding color management, Australia, Clifton Park, NY : Thomson.
49. Sowmya, B., Sheela Rani B. (2011), Colour image segmentation using fuzzy clustering techniques and competitive neural network, Applied Soft Computing 11, pp. 3170–3178.
50. Stone, Maureen C.(2003), A field guide to digital color, AK Peters, Natick, Mass.
51. Tokumam, M., Muranaka ,N., and lmanishi, S. (2004), Color Coordinate Evaluating System Using Fuzzy Reasoning, Trans. of Institute of Electronics, Information and Communication Engineers D-II. 183(2), pp.680-689.
52. Tokumaru, M., Muranaka, N. and Imanishi, S. (2002), “Color design support system considering color harmony,” in Proc. IEEE Int. Conf. Fuzzy Syst., IEEE Press, pp. 378–383.
53. Tsai, H.C., Chou, J.R. (2006), Automatic design support and image evaluation of two-coloured products using colour association and colour harmony scales and genetic algorithm, Computer-Aided Design 39, pp.818–828.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2016-09-06起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2018-09-06起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw