| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究工作的背景与意义 | 第11-14页 |
| 1.2 视觉自适应与颜色恒常 | 第14-16页 |
| 1.3 视觉计算理论的研究历史与现状 | 第16-18页 |
| 1.4 主要贡献与创新 | 第18-20页 |
| 1.5 论文的结构和安排 | 第20-21页 |
| 第二章 基于生物视觉机理的单光源颜色恒常性模型 | 第21-71页 |
| 2.1 单光源下的颜色恒常性 | 第25-26页 |
| 2.2 单光源条件下的颜色恒常性算法综述 | 第26-31页 |
| 2.3 双拮抗神经元编码场景的光源颜色 | 第31-53页 |
| 2.3.1 视觉系统中的颜色信息处理 | 第33-35页 |
| 2.3.2 基于双拮抗机制的颜色恒常模型 | 第35-39页 |
| 2.3.3 实验结果 | 第39页 |
| 2.3.4 性能度量 | 第39-41页 |
| 2.3.5 参数设置 | 第41-42页 |
| 2.3.6 Gehler-Shi图像库上的性能 | 第42-46页 |
| 2.3.7 SFU lab图像库上的性能 | 第46-47页 |
| 2.3.8 SFU HDR图像库上的性能 | 第47页 |
| 2.3.9 库间的交叉验证 | 第47-49页 |
| 2.3.10 讨论和总结 | 第49-53页 |
| 2.4 Achromatic-Estimation-Invariance和颜色恒常性 | 第53-71页 |
| 2.4.1 achroEI不变性理论背景及推导 | 第55-56页 |
| 2.4.2 视网膜图像上的(6(8? 不变性 | 第56-57页 |
| 2.4.3 真实图像库上加权的(6(8? 不变性及光源估计 | 第57-61页 |
| 2.4.4 (6(8? 不变性和GW以及WP的关系 | 第61-62页 |
| 2.4.5 实验结果 | 第62-68页 |
| 2.4.6 讨论和总结 | 第68-71页 |
| 第三章 多光源下的颜色恒常性 | 第71-95页 |
| 3.1 多光源颜色恒常性文献综述 | 第72-75页 |
| 3.2 Bottom-Up假设及其实验基础 | 第75-78页 |
| 3.3 Top-Down假设及其实验基础 | 第78-79页 |
| 3.4 模型的具体执行过程 | 第79-82页 |
| 3.5 多光源图像库，MCC模型以及实验结果 | 第82-91页 |
| 3.6 讨论和总结 | 第91-95页 |
| 第四章 多个相机下的颜色恒常性 | 第95-113页 |
| 4.1 基于库间交叉验证的颜色恒常性(inter-CC)及其问题 | 第96-98页 |
| 4.2 提升颜色恒常性模型的泛化能力 | 第98-100页 |
| 4.3 模型验证及结果 | 第100-102页 |
| 4.4 Mondrian图像库及inter-CBCC | 第102-104页 |
| 4.5 高光谱图像库及inter-CBCC | 第104-105页 |
| 4.6 更广泛的情况下测试inter-CBCC | 第105-107页 |
| 4.7 在真实相机采集的图像库上的inter-CBCC | 第107-108页 |
| 4.8 绝对的图像颜色 | 第108-110页 |
| 4.9 讨论和总结 | 第110-113页 |
| 第五章 从神经元自适应的角度来理解视觉颜色恒常性 | 第113-135页 |
| 5.1 自然图像统计 | 第115-117页 |
| 5.2 归一化模型(Divisive Normalization Model) | 第117-120页 |
| 5.3 高斯尺度混合模型(Gaussian Scale Mixture Model, GSM) | 第120-122页 |
| 5.4 模型的具体实施方式 | 第122-127页 |
| 5.5 神经元的自适应(Neural Adaptation) | 第127-129页 |
| 5.6 模型的实验结果及预测 | 第129-132页 |
| 5.7 讨论和总结 | 第132-135页 |
| 第六章 总结和展望 | 第135-138页 |
| 6.1 全文总结 | 第135-136页 |
| 6.2 问题与展望 | 第136-138页 |
| 致谢 | 第138-139页 |
| 参考文献 | 第139-153页 |
| 攻读博士学位期间取得的成果 | 第153-155页 |
