不同光照条件下的图像拼接技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 国内外研究现状 | 第9-10页 |
| 1.1.1 图像拼接技术 | 第9页 |
| 1.1.2 光照处理技术 | 第9-10页 |
| 1.2 光照处理理论基础 | 第10-13页 |
| 1.2.1 光照图像校正模型 | 第11-12页 |
| 1.2.2 光源估计技术 | 第12-13页 |
| 1.2.3 机器学习技术处理光照 | 第13页 |
| 1.3 图像拼接理论基础 | 第13-17页 |
| 1.3.1 图像拼接的组成 | 第13-14页 |
| 1.3.2 图像拼接方法 | 第14-15页 |
| 1.3.3 基于特征技术的图像拼接模型 | 第15-17页 |
| 1.4 研究内容与章节安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 基于像素正交分解法的图像光照处理 | 第18-26页 |
| 2.1 像素正交分解法 | 第18-22页 |
| 2.1.1 图像的阴影线性模型 | 第18-19页 |
| 2.1.2 像素正交分解法提取光照不变图像 | 第19-22页 |
| 2.2 光照不变图像颜色恢复 | 第22-25页 |
| 2.3 像素正交分解法的贡献与优势 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 深度学习与卷积神经网络 | 第26-35页 |
| 3.1 人工神经网络结构 | 第26-29页 |
| 3.1.1 感知器 | 第26-27页 |
| 3.1.2 多层感知器 | 第27-28页 |
| 3.1.3 自动编码器 | 第28-29页 |
| 3.2 训练神经网络 | 第29-30页 |
| 3.2.1 随机梯度下降法 | 第29-30页 |
| 3.2.2 反向传播 | 第30页 |
| 3.3 深度卷积神经网络 | 第30-33页 |
| 3.3.1 卷积 | 第32-33页 |
| 3.3.2 池化 | 第33页 |
| 3.3.3 线性整流函数 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于深度学习的图像光照处理 | 第35-42页 |
| 4.1 数据库图像预处理 | 第35-36页 |
| 4.1.1 图像形成模型 | 第35页 |
| 4.1.2 伽马校正 | 第35-36页 |
| 4.1.3 非重叠图像块提取 | 第36页 |
| 4.2 深度学习技术 | 第36-39页 |
| 4.2.1 机器学习 | 第37-38页 |
| 4.2.2 迁移学习 | 第38-39页 |
| 4.2.3 深度卷积神经网络的迁移学习 | 第39页 |
| 4.3 训练深度网络学习图像光照信息 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 图像拼接 | 第42-54页 |
| 5.1 SIFT特征 | 第42-44页 |
| 5.1.1 尺度空间和DOG空间 | 第42页 |
| 5.1.2 极值检测 | 第42-43页 |
| 5.1.3 方向分配 | 第43-44页 |
| 5.2 特征匹配 | 第44页 |
| 5.3 图像变换估计 | 第44-46页 |
| 5.3.1 匹配估计 | 第44-45页 |
| 5.3.2 匹配验证 | 第45-46页 |
| 5.4 图像柱面投影变换 | 第46-50页 |
| 5.4.1 图像变换 | 第46-47页 |
| 5.4.2 全景变形矫正 | 第47-48页 |
| 5.4.3 相机估计模型 | 第48-50页 |
| 5.5 图像融合 | 第50-52页 |
| 5.6 两种光照预处理拼接结果 | 第52-53页 |
| 5.7 本章小结 | 第53-54页 |
| 第6章 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 在学研究成果 | 第60-61页 |
| 致谢 | 第61页 |
