基于光照分析的颜色恒常性算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 课题来源与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 单光源颜色恒常性算法 | 第17-20页 |
| 1.2.2 多光源颜色恒常性算法 | 第20-21页 |
| 1.3 本文主要研究内容和结构安排 | 第21-22页 |
| 第二章 颜色恒常性基础理论 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 颜色恒常性基本原理 | 第22-26页 |
| 2.2.1 彩色图像成像理论 | 第22-24页 |
| 2.2.2 颜色恒常计算模型 | 第24-26页 |
| 2.3 基于物理特征的算法 | 第26-29页 |
| 2.3.1 Max-RGB算法 | 第26-27页 |
| 2.3.2 Gray World算法 | 第27页 |
| 2.3.3 Shades of Gray算法 | 第27-28页 |
| 2.3.4 Gray Edge算法 | 第28-29页 |
| 2.4 基于统计学习的算法 | 第29-32页 |
| 2.4.1 基于色域映射的算法 | 第29-30页 |
| 2.4.2 基于贝叶斯推理的算法 | 第30页 |
| 2.4.3 基于神经网络与支持向量回归的算法 | 第30-32页 |
| 2.5 总结 | 第32-33页 |
| 第三章 单光源颜色恒常性算法 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于图像导数框架的算法 | 第34-36页 |
| 3.2.1 图像导数框架 | 第34-35页 |
| 3.2.2 算法分析 | 第35-36页 |
| 3.3 改进的图像导数框架算法 | 第36-42页 |
| 3.3.1 算法框架 | 第36页 |
| 3.3.2 预处理 | 第36-38页 |
| 3.3.3 边缘分类与权值函数 | 第38-40页 |
| 3.3.4 颜色通道间的相关性 | 第40-42页 |
| 3.4 实验结果与分析 | 第42-47页 |
| 3.4.1 算法评价标准 | 第42-43页 |
| 3.4.2 实验图像数据库 | 第43-44页 |
| 3.4.3 观实验结果 | 第44-46页 |
| 3.4.4 客观数据分析 | 第46-47页 |
| 3.5 总结 | 第47-49页 |
| 第四章 多光源颜色恒常性算法 | 第49-64页 |
| 4.1 引言 | 第49-50页 |
| 4.2 基于局部联合的算法 | 第50-57页 |
| 4.2.1 算法框架描述 | 第50-51页 |
| 4.2.2 分块策略 | 第51-52页 |
| 4.2.3 基于分块的光照估计 | 第52-55页 |
| 4.2.4 局部联合 | 第55-56页 |
| 4.2.5 图像校正 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-63页 |
| 4.3.1 算法评价标准 | 第57页 |
| 4.3.2 实验图像数据库 | 第57-59页 |
| 4.3.3 主观实验结果 | 第59-62页 |
| 4.3.4 客观数据分析 | 第62-63页 |
| 4.4 总结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第71-72页 |
