基于残差神经网络的图像阴影去除方法
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 2 图像阴影检测相关理论基础 | 第12-17页 |
| 2.1 图像成像基础知识 | 第12-14页 |
| 2.1.1 图像成像原理 | 第12-13页 |
| 2.1.2 颜色传感器 | 第13-14页 |
| 2.1.3 颜色恒常理论 | 第14页 |
| 2.2 阴影去除面临的问题 | 第14-16页 |
| 2.2.1 阴影强度 | 第14-15页 |
| 2.2.2 本影和半影 | 第15-16页 |
| 2.2.3 阴影表面的复杂性与几何形状 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 阴影检测去除方法介绍 | 第17-31页 |
| 3.1 传统阴影检测方法介绍 | 第17-20页 |
| 3.1.1 基于色彩特征不变量的阴影检测方法 | 第17-18页 |
| 3.1.2 基于光照无关图的阴影检测方法 | 第18-20页 |
| 3.2 传统阴影去除方法介绍 | 第20-28页 |
| 3.2.1 基于颜色比率的阴影去除方法 | 第20-23页 |
| 3.2.2 交互式阴影去除方法 | 第23-25页 |
| 3.2.3 基于成对区域的阴影检测去除方法 | 第25-27页 |
| 3.2.4 小结 | 第27-28页 |
| 3.3 基于CNN的结构化边缘检测阴影去除算法 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于残差神经网络的图像阴影去除算法 | 第31-43页 |
| 4.1 深度卷积神经网络进行图像识别 | 第31-34页 |
| 4.2 残差神经网络研究 | 第34-36页 |
| 4.3 残差神经网络去阴影模型研究 | 第36-42页 |
| 4.3.1 网络模型介绍 | 第36-39页 |
| 4.3.2 实验数据采集 | 第39-40页 |
| 4.3.3 结果对比 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士期间的研究成果 | 第49-50页 |
| 致谢 | 第50-51页 |
