| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文结构安排 | 第14-16页 |
| 第2章 相关基础知识 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 彩色图像 | 第16-17页 |
| 2.3 传统机器学习 | 第17-21页 |
| 2.3.1 均值漂移 | 第18-19页 |
| 2.3.2 随机森林 | 第19-21页 |
| 2.4 卷积神经网络 | 第21-24页 |
| 2.4.1 卷积神经网络基本结构 | 第21-23页 |
| 2.4.2 激活函数与损失函数 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于随机森林实现阴影检测 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 方法概述 | 第25-27页 |
| 3.2.1 阴影简介 | 第25-26页 |
| 3.2.2 方法总体流程 | 第26-27页 |
| 3.3 阴影特征 | 第27-29页 |
| 3.3.1 亮度特征 | 第27页 |
| 3.3.2 颜色特征 | 第27-28页 |
| 3.3.3 纹理特征 | 第28页 |
| 3.3.4 梯度方向特征 | 第28-29页 |
| 3.4 阴影检测实现 | 第29-31页 |
| 3.4.1 图像预处理 | 第29-30页 |
| 3.4.2 区域对信息获取 | 第30页 |
| 3.4.3 阴影区域确定 | 第30-31页 |
| 3.5 算法描述 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于卷积神经网络实现阴影检测 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 方法概述 | 第32-33页 |
| 4.3 所提的神经网络结构 | 第33-37页 |
| 4.4 阴影检测网络模型训练 | 第37-40页 |
| 4.4.1 初始化神经网络 | 第38页 |
| 4.4.2 前向传播过程 | 第38-39页 |
| 4.4.3 反向传播及优化算法 | 第39-40页 |
| 4.5 卷积神经网络阴影检测及分析 | 第40页 |
| 4.6 算法描述 | 第40-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第5章 实验及分析结论 | 第42-53页 |
| 5.1 实验环境及数据集 | 第42-43页 |
| 5.1.1 基于随机森林阴影检测方法实验环境 | 第42页 |
| 5.1.2 基于卷积神经网络阴影检测方法实验环境 | 第42-43页 |
| 5.1.3 数据集 | 第43页 |
| 5.2 实验结果及与验证分析 | 第43-52页 |
| 5.2.1 图像预处理实验验证及分析 | 第44-46页 |
| 5.2.2 随机森林分类器实验验证及分析 | 第46页 |
| 5.2.3 全局语义信息提取模块实验验证及分析 | 第46-48页 |
| 5.2.4 扩张卷积实验验证及分析 | 第48-50页 |
| 5.2.5 所提两种方法与其他文献对比实验验证及分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60页 |