首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于生物视觉机理的多光源颜色恒常算法研究

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-16页
    1.1 引言第10页
    1.2 研究的目的和意义第10-11页
    1.3 颜色恒常的介绍第11-14页
        1.3.1 感知颜色恒常第11-12页
        1.3.2 计算颜色恒常第12-13页
        1.3.3 多光源的颜色恒常性第13-14页
    1.4 本文的主要贡献与创新第14页
    1.5 本文的结构安排第14-16页
第二章 颜色恒常性研究相关工作介绍第16-27页
    2.1 成像模型及评价方式第16-19页
        2.1.1 成像模型第16-17页
            2.1.1.1 朗伯体反射模型第16-17页
            2.1.1.2 Von Kries假设第17页
        2.1.2 评价方式第17-19页
    2.2 目前颜色恒常性主流算法介绍第19-22页
        2.2.1 单光源算法第19-21页
        2.2.2 多光源算法第21-22页
    2.3 感受野模型简介第22-24页
        2.3.1 双极细胞、神经节细胞与外膝体(LGN)感受野机制第23-24页
        2.3.2 感受野的数学模型第24页
    2.4 亮度点在颜色恒常中的作用第24-26页
    2.5 本章小结第26-27页
第三章 基于ON型感受野扩充方式的算法模型第27-57页
    3.1 利用ON型感受野的光源计算第28-30页
    3.2 基于亮度的分类方法第30-37页
        3.2.1 对于亮度区域为什么能够估计光源的验证第30-34页
            3.2.1.1 心理物理学实验对亮度区域作用的验证第30-34页
            3.2.1.2 图库统计实验对亮度区域作用的验证第34页
        3.2.2 分类的算法第34-36页
        3.2.3 聚类分类和简单的分类之间的差别验证第36-37页
    3.3 暗区域光源的获得第37-40页
        3.3.1 亮区域扩展理论第37页
        3.3.2 亮区域扩展算法第37-39页
        3.3.3 亮度区域分层的加权算法第39-40页
    3.4 后处理第40-45页
        3.4.1 暗区域的平滑第40-43页
        3.4.2 整体光源颜色的后处理第43-45页
            3.4.2.1 光源颜色集中实验依据第43-44页
            3.4.2.2 光源颜色集中算法介绍第44页
            3.4.2.3 光源颜色集中效果第44-45页
    3.5 计算机合成多光源图像库实验结果第45-48页
        3.5.1 图像库简介第45-46页
        3.5.2 实验结果及对比第46-47页
        3.5.3 实验图像结果展示第47-48页
    3.6 经典多光源图像库实验结果第48-53页
        3.6.1 图像库简介第49页
        3.6.2 实验结果及对比第49-51页
        3.6.3 实验图像结果展示第51-53页
    3.7 算法模型中参数的讨论第53-56页
        3.7.1 感受野大小参数讨论第53-54页
        3.7.2 外周感受野权重参数讨论第54-55页
        3.7.3 亮度分层参数讨论第55-56页
    3.8 本章小结第56-57页
第四章 基于ON型和OFF型感受野的算法模型第57-69页
    4.1 生理学依据第58页
    4.2 基于两种感受野模型的算法描述第58-61页
    4.3 算法在图像处理中的意义第61-62页
        4.3.1 算法在数学表达式上的意义第61页
        4.3.2 算法在颜色恒常上的意义第61-62页
    4.4 结果与讨论第62-68页
        4.4.1 算法在不同图像库上的角度误差评价第62-64页
        4.4.2 算法的图像处理效果展示第64-65页
        4.4.3 算法模型中参数的讨论第65-67页
        4.4.4 两种算法之间的比较第67-68页
    4.5 本章小结第68-69页
第五章 全文总结与展望第69-71页
    5.1 本文主要工作内容第69-70页
    5.2 工作展望第70-71页
致谢第71-72页
参考文献第72-76页
攻读硕士期间取得的研究成果第76-77页

论文共77页,点击 下载论文
上一篇:ACF粒子自动检测中的图像采集系统研究
下一篇:基于生物视觉融合机制的图像增强算法研究