| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-15页 |
| 缩略语对照表 | 第15-19页 |
| 第一章 绪论 | 第19-29页 |
| 1.1 论文研究背景及意义 | 第19-21页 |
| 1.2 国内外研究现状 | 第21-25页 |
| 1.2.1 单光照颜色恒常性 | 第22-24页 |
| 1.2.2 多光照颜色恒常性 | 第24-25页 |
| 1.3 研究内容及成果 | 第25-28页 |
| 1.3.1 论文主要研究内容 | 第25-26页 |
| 1.3.2 论文主要研究成果 | 第26-28页 |
| 1.4 论文结构和安排 | 第28-29页 |
| 第二章 颜色恒常性基本理论 | 第29-41页 |
| 2.1 颜色的视觉模型 | 第29-31页 |
| 2.2 颜色空间模型 | 第31-34页 |
| 2.2.1 RGB颜色空间 | 第31-32页 |
| 2.2.2 XYZ颜色空间 | 第32-33页 |
| 2.2.3 LUV颜色空间 | 第33页 |
| 2.2.4 Lab颜色空间 | 第33-34页 |
| 2.2.5 uv对数颜色空间(log-uv) | 第34页 |
| 2.3 彩色图像成像模型 | 第34-37页 |
| 2.3.1 朗伯特反射模型 | 第34-35页 |
| 2.3.2 对角模型 | 第35-37页 |
| 2.4 算法性能评价标准 | 第37-39页 |
| 2.4.1 欧式距离 | 第37页 |
| 2.4.2 角度误差 | 第37页 |
| 2.4.3 色度误差 | 第37-38页 |
| 2.4.4 感知距离 | 第38-39页 |
| 2.5 实验及测试数据集 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 基于暗通道优先模型的颜色恒常性算法及应用 | 第41-51页 |
| 3.1 引言 | 第41页 |
| 3.2 相关工作介绍 | 第41-43页 |
| 3.2.1 White-Patch算法 | 第42页 |
| 3.2.2 Grey-World算法 | 第42-43页 |
| 3.2.3 Grey-Edge算法 | 第43页 |
| 3.3 基于暗通道优先模型的颜色恒常性算法 | 第43-46页 |
| 3.3.1 参考区域的提取 | 第44-46页 |
| 3.4 实验及结果分析 | 第46-48页 |
| 3.4.1 实验数据集 | 第46-47页 |
| 3.4.2 算法效果比较 | 第47-48页 |
| 3.5 网络摄像机自动白平衡应用 | 第48-49页 |
| 3.6 小结与讨论 | 第49-51页 |
| 第四章 基于多分支概率卷积神经网络的颜色恒常性计算方法 | 第51-71页 |
| 4.1 引言 | 第52-53页 |
| 4.2 相关工作介绍 | 第53-55页 |
| 4.2.1 基于传统机器学习的算法 | 第53-54页 |
| 4.2.2 基于卷积神经网络的算法 | 第54-55页 |
| 4.3 基于多分支概率卷积神经网络的光照估计算法 | 第55-59页 |
| 4.3.1 光照估计模型 | 第56-57页 |
| 4.3.2 深度多分支光照估计模型(DMBEN) | 第57-59页 |
| 4.3.3 深度概率计算网络(DPN) | 第59页 |
| 4.4 实验结果及实验分析 | 第59-69页 |
| 4.4.1 数据集 | 第59-60页 |
| 4.4.2 性能评价指标 | 第60页 |
| 4.4.3 参数选择过程 | 第60-63页 |
| 4.4.4 效果对比验证 | 第63-67页 |
| 4.4.5 算法效率比较 | 第67页 |
| 4.4.6 多光照数据集上的扩展验证 | 第67-69页 |
| 4.5 本章工作小结 | 第69-71页 |
| 第五章 一种语义指导的多尺度卷积神经网络的颜色恒常性计算方法 | 第71-89页 |
| 5.1 引言 | 第71-72页 |
| 5.2 相关工作介绍 | 第72-74页 |
| 5.2.1 基于场景分类的颜色恒常性 | 第72-73页 |
| 5.2.2 多尺度卷积神经网络 | 第73-74页 |
| 5.3 多尺度级联卷积神经网络的语义色彩恒常性算法 | 第74-79页 |
| 5.3.1 光照估计模型 | 第74-75页 |
| 5.3.2 多尺度卷积神经网络的语义色彩恒常性算法 | 第75-79页 |
| 5.4 实验结果及实验分析 | 第79-88页 |
| 5.4.1 数据集 | 第79页 |
| 5.4.2 性能评价指标 | 第79-80页 |
| 5.4.3 参数选择过程 | 第80-82页 |
| 5.4.4 效果验证 | 第82-87页 |
| 5.4.5 算法效率比较 | 第87-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第六章 多光照下的颜色恒常性计算研究 | 第89-103页 |
| 6.1 相关工作介绍 | 第90-92页 |
| 6.2 端对端多尺度级联卷积神经网络(DCNMCC) | 第92-94页 |
| 6.2.1 光照估计模型 | 第92-94页 |
| 6.3 实验结果及实验分析 | 第94-101页 |
| 6.3.1 实验数据集 | 第95-96页 |
| 6.3.2 性能评价指标 | 第96页 |
| 6.3.3 参数选择过程 | 第96-97页 |
| 6.3.4 效果对比验证 | 第97-101页 |
| 6.4 本章小结 | 第101-103页 |
| 第七章 总结和展望 | 第103-107页 |
| 7.1 全文总结 | 第103-105页 |
| 7.2 问题与展望 | 第105-107页 |
| 参考文献 | 第107-117页 |
| 致谢 | 第117-119页 |
| 作者简介 | 第119-120页 |
