| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 课题研究的背景 | 第11页 |
| 1.1.2 课题研究的意义 | 第11-12页 |
| 1.2 监控视频中图像颜色的调理流程 | 第12-19页 |
| 1.3 论文的研究内容和章节安排 | 第19-21页 |
| 1.3.1 论文的研究内容 | 第19页 |
| 1.3.2 论文的章节安排 | 第19-21页 |
| 第2章 图像颜色评价方法 | 第21-31页 |
| 2.1 人类视觉系统 | 第21-22页 |
| 2.2 颜色视觉 | 第22-26页 |
| 2.2.1 颜色的表示 | 第22-23页 |
| 2.2.2 颜色恒常性 | 第23页 |
| 2.2.3 颜色三刺激值和色品坐标 | 第23-24页 |
| 2.2.4 色温 | 第24-26页 |
| 2.3 CIE标准色度学系统 | 第26-28页 |
| 2.3.1 CIE 1931标准色度系统 | 第26-27页 |
| 2.3.2 CIE1976 L~*a~*b~*颜色空间 | 第27-28页 |
| 2.4 图像颜色评价 | 第28-30页 |
| 2.4.1 主观图像颜色评价 | 第28-29页 |
| 2.4.2 客观图像颜色评价 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 图像颜色的优化算法模型 | 第31-45页 |
| 3.1 影响图像颜色失真的主要因素 | 第31-33页 |
| 3.1.1 光源对颜色失真的影响 | 第31-32页 |
| 3.1.2 图像采集设备对颜色失真的影响 | 第32页 |
| 3.1.3 图像显示设备对颜色失真的影响 | 第32-33页 |
| 3.2 自动白平衡算法模型 | 第33-37页 |
| 3.2.1 灰度世界算法模型 | 第33-34页 |
| 3.2.2 完美反射算法模型 | 第34-35页 |
| 3.2.3 自适应自动白平衡算法模型 | 第35页 |
| 3.2.4 色域映射算法模型 | 第35-36页 |
| 3.2.5 神经网络算法模型 | 第36-37页 |
| 3.3 基于色温估计的白平衡算法模型 | 第37-44页 |
| 3.3.1 YCbCr与RGB色彩模型 | 第38-39页 |
| 3.3.2 光源色温 | 第39-42页 |
| 3.3.3 算法实现 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 监控视频中图像颜色的优化实现 | 第45-60页 |
| 4.1 图像处理系统框架结构 | 第45-47页 |
| 4.2 实验环境的搭建 | 第47-50页 |
| 4.2.1 实验设备的选择 | 第47-48页 |
| 4.2.2 实验环境的准备 | 第48-50页 |
| 4.3 白平衡算法的实现效果评价 | 第50-53页 |
| 4.4 饱和度和亮度校正的效果评价 | 第53-59页 |
| 4.4.1 颜色校正和伽马校正的效果评价 | 第53-57页 |
| 4.4.2 饱和度的多样模式 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 论文的工作总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简历 | 第66页 |