| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 本征图分解的概念 | 第11-12页 |
| 1.2 相关研究 | 第12-19页 |
| 1.2.1 Retinex理论 | 第12-14页 |
| 1.2.2 图像序列法 | 第14-18页 |
| 1.2.3 其它本征图分解方法 | 第18-19页 |
| 1.3 本文研究内容 | 第19-20页 |
| 1.4 本文组织结构 | 第20-21页 |
| 第二章 本征图像库 | 第21-29页 |
| 2.1 本征图像库介绍 | 第21页 |
| 2.2 本征图像库的生成 | 第21-24页 |
| 2.2.1 拍摄图像法 | 第21-22页 |
| 2.2.2 亮度和反照率的分离 | 第22-23页 |
| 2.2.3 物体的精确定位 | 第23-24页 |
| 2.3 误差计算 | 第24-25页 |
| 2.4 算法比较 | 第25-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 使用深度信息的本征图分解 | 第29-47页 |
| 3.1 深度信息与Retinex多层模型 | 第29-39页 |
| 3.1.1 Stereo Retinex介绍 | 第29-30页 |
| 3.1.2 相关背景 | 第30-31页 |
| 3.1.3 Stereo Retinex算法 | 第31-32页 |
| 3.1.4 算法实现细节 | 第32-33页 |
| 3.1.5 实验 | 第33-39页 |
| 3.2 深度信息与导数分类的Retinex | 第39-45页 |
| 3.2.1 导数分类的Retinex | 第39-41页 |
| 3.2.2 深度边界的生成 | 第41-42页 |
| 3.2.3 结合深度信息的导数分类 | 第42-45页 |
| 3.3 本章小结 | 第45-47页 |
| 第四章 使用本征图像分解的SIFT特征提取 | 第47-69页 |
| 4.1 SIFT算法 | 第47-55页 |
| 4.1.1 算法介绍 | 第47页 |
| 4.1.2 相关研究 | 第47-48页 |
| 4.1.3 构建尺度空间 | 第48-49页 |
| 4.1.4 检测并精确定位尺度空间极值点 | 第49-51页 |
| 4.1.5 去除不稳定的边缘响应点 | 第51-53页 |
| 4.1.6 分配特征点方向 | 第53页 |
| 4.1.7 特征点描述子生成 | 第53-54页 |
| 4.1.8 特征点匹配 | 第54-55页 |
| 4.2 Retinex和SIFT(R-SIFT) | 第55-68页 |
| 4.2.1 R-SIFT概述 | 第55-56页 |
| 4.2.2 使用本征图像数据库进行验证 | 第56-61页 |
| 4.2.3 R-SIFT的实现 | 第61-63页 |
| 4.2.4 在Phos图像数据库中的验证 | 第63-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第五章 Retinex车牌定位与R-SIFT车牌匹配 | 第69-85页 |
| 5.1 车牌定位与识别的意义 | 第69-70页 |
| 5.2 车牌定位方法分类 | 第70-71页 |
| 5.3 投影分析法 | 第71-75页 |
| 5.3.1 图像灰度化 | 第71-72页 |
| 5.3.2 图像二值化 | 第72-74页 |
| 5.3.3 图像边缘检测 | 第74页 |
| 5.3.4 定位结果 | 第74-75页 |
| 5.4 Retinex与车牌定位 | 第75-78页 |
| 5.4.1 夜光下投影分析法失效 | 第75页 |
| 5.4.2 使用Retinex的车牌定位 | 第75-78页 |
| 5.5 R-SIFT车牌匹配 | 第78-83页 |
| 5.5.1 车牌匹配方法框架 | 第78页 |
| 5.5.2 R-SIFT匹配实验结果 | 第78-83页 |
| 5.6 本章小结 | 第83-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 本文总结 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 附录 攻读硕士期间发表的论文 | 第93-95页 |
| 致谢 | 第95页 |