| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-32页 |
| 1.1 高动态范围图像处理的背景和意义 | 第13-15页 |
| 1.2 高动态范围图像处理需要解决的热点问题 | 第15-17页 |
| 1.3 高动态范围图像存储以及表示方法研究现状 | 第17-19页 |
| 1.3.1 亮度直方图表示方法 | 第17-18页 |
| 1.3.2 高动态范围图像编码方法 | 第18页 |
| 1.3.3 伪彩色图像 | 第18-19页 |
| 1.4 高动态范围图像成像算法的意义以及研究现状 | 第19-23页 |
| 1.4.1 数字图像成像过程简介 | 第19页 |
| 1.4.2 响应函数标定法 | 第19-21页 |
| 1.4.3 响应函数标定法的研究现状 | 第21-22页 |
| 1.4.4 基于多曝光图像融合的高对比度图像成像方法研究现状 | 第22页 |
| 1.4.5 标定法以及融合法的缺陷 | 第22-23页 |
| 1.5 动态范围压缩的意义以及研究现状 | 第23-28页 |
| 1.5.1 retinex理论原理以及意义 | 第24-25页 |
| 1.5.2 retinex理论的研究现状 | 第25-26页 |
| 1.5.3 梯度域动态范围压缩算法意义以及研究现状 | 第26-27页 |
| 1.5.4 其他动态范围压缩算法的研究现状 | 第27-28页 |
| 1.6 高动态范围图像恢复的意义以及研究现状 | 第28-30页 |
| 1.6.1 非线性响应对于噪声的影响 | 第28-29页 |
| 1.6.2 信号相关噪声抑制方法研究现状 | 第29-30页 |
| 1.7 本文的主要工作和论文章节安排 | 第30-32页 |
| 第2章 理论基础 | 第32-49页 |
| 2.1 引言 | 第32页 |
| 2.2 数字图像成像过程 | 第32-33页 |
| 2.3 高动态范围图像合成方法 | 第33-36页 |
| 2.3.1 构造超定型线性方程组 | 第33-35页 |
| 2.3.2 重构高动态范围图像 | 第35-36页 |
| 2.3.3 算法的缺陷 | 第36页 |
| 2.4 retinex模型 | 第36-42页 |
| 2.4.1 一维随机路径光照估计算法 | 第37-38页 |
| 2.4.2 二维随机路径光照估计算法 | 第38-41页 |
| 2.4.3 光照估计算法的缺陷 | 第41-42页 |
| 2.5 梯度域动态范围压缩算法 | 第42-44页 |
| 2.5.1 算法思路 | 第42-43页 |
| 2.5.2 梯度幅值衰减 | 第43页 |
| 2.5.3 梯度域动态范围压缩算法的缺陷 | 第43-44页 |
| 2.6 非线性响应对于散粒噪声的影响 | 第44-46页 |
| 2.7 评价指标 | 第46-48页 |
| 2.7.1 图像结构相似度 | 第46-47页 |
| 2.7.2 信息熵 | 第47-48页 |
| 2.7.3 峰值信噪比 | 第48页 |
| 2.8 本章小结 | 第48-49页 |
| 第3章 基于三次样条插值的高动态范围图像合成方法 | 第49-65页 |
| 3.1 引言 | 第49页 |
| 3.2 算法思路 | 第49-50页 |
| 3.3 三次样条函数插值原理 | 第50-52页 |
| 3.4 递推法求解三次样条函数 | 第52-54页 |
| 3.5 三次样条插值恢复高动态范围图像的条件 | 第54-55页 |
| 3.6 实验结果与数据分析 | 第55-64页 |
| 3.6.1 主观视觉效果 | 第55-60页 |
| 3.6.2 客观评价指标 | 第60-61页 |
| 3.6.3 递推法的效率 | 第61-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第4章 基于Mean-Shift算法的光照估计算法 | 第65-77页 |
| 4.1 引言 | 第65页 |
| 4.2 算法思路 | 第65-66页 |
| 4.3 核密度估计 | 第66-67页 |
| 4.4 计算Mean-Shift向量 | 第67-68页 |
| 4.5 光照估计 | 第68-70页 |
| 4.6 光照补偿模型 | 第70-71页 |
| 4.7 实验结果与数据分析 | 第71-76页 |
| 4.8 本章小结 | 第76-77页 |
| 第5章 基于梯度域的动态范围压缩方法 | 第77-90页 |
| 5.1 引言 | 第77页 |
| 5.2 算法思路 | 第77-78页 |
| 5.3 格林公式求解泊松方程 | 第78-79页 |
| 5.4 改进的电像法 | 第79-82页 |
| 5.5 亮度图像预处理 | 第82-85页 |
| 5.5.1 基于EMD的亮度图像稀疏表示 | 第82-83页 |
| 5.5.2 映射边界条件 | 第83-84页 |
| 5.5.3 算法步骤以及原理框图 | 第84-85页 |
| 5.6 实验结果分析 | 第85-89页 |
| 5.6.1 主观视觉效果 | 第85-88页 |
| 5.6.2 客观评价指标 | 第88-89页 |
| 5.7 本章小结 | 第89-90页 |
| 第6章 基于最大后验概率的图像恢复与动态范围压缩算法 | 第90-107页 |
| 6.1 引言 | 第90-91页 |
| 6.2 信号相关噪声模型 | 第91-92页 |
| 6.3 噪声模型参数估计 | 第92-93页 |
| 6.4 基于最大后验概率的变分模型 | 第93-94页 |
| 6.5 改进的变分模型 | 第94-96页 |
| 6.6 数值方法 | 第96-97页 |
| 6.7 改进的数值方法 | 第97-98页 |
| 6.8 关于麦克劳林级数的一些说明 | 第98-99页 |
| 6.9 实验结果与分析 | 第99-106页 |
| 6.10 本章小结 | 第106-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-120页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第120-121页 |
| 致谢 | 第121页 |
