基于反色调映射的高动态范围图像生成方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 高动态范围图像生成技术发展现状 | 第13-17页 |
| 1.2.1 单曝光高动态范围图像生成技术 | 第13-15页 |
| 1.2.2 多曝光高动态范围图像生成技术 | 第15-17页 |
| 1.3 高动态范围图像的应用领域 | 第17-19页 |
| 1.4 本文的主要贡献 | 第19页 |
| 1.5 本文的组织结构 | 第19-21页 |
| 第二章 基于单帧图像的HDR图像生成技术 | 第21-36页 |
| 2.1 全局模型 | 第21-22页 |
| 2.2 分类模型 | 第22-29页 |
| 2.2.1 分段扩展模型 | 第22-23页 |
| 2.2.2 亮度分类模型 | 第23-26页 |
| 2.2.3 场景分类模型 | 第26-27页 |
| 2.2.4 视频分类模型 | 第27-29页 |
| 2.3 扩展映射模型 | 第29-30页 |
| 2.4 亮度函数增强模型 | 第30-31页 |
| 2.5 图像修复模型 | 第31-32页 |
| 2.6 伪多曝光模型 | 第32-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第三章 基于人眼视觉模型的HDR图像生成算法 | 第36-59页 |
| 3.1 基于低通滤波器的高亮区域检测 | 第36-37页 |
| 3.2 图像预处理方法 | 第37-44页 |
| 3.2.1 双边滤波器基本原理 | 第37-39页 |
| 3.2.2 双边滤波器的快速近似 | 第39-42页 |
| 3.2.3 双边网格基本原理 | 第42-43页 |
| 3.2.4 图像预处理 | 第43-44页 |
| 3.3 基于人眼视觉模型HDR图像生成 | 第44-49页 |
| 3.3.1 人眼视觉模型原理 | 第44-45页 |
| 3.3.2 基于人眼视觉模型的动态范围扩展 | 第45-49页 |
| 3.4 实验过程及结果分析 | 第49-58页 |
| 3.4.1 主观评估 | 第50-54页 |
| 3.4.2 DRIM图像质量评估 | 第54-57页 |
| 3.4.3 平均主观意见分数 | 第57页 |
| 3.4.4 算法效率比较 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 基于分段线性扩展的HDR图像生成算法 | 第59-77页 |
| 4.1 图像反伽马变换和噪声去除 | 第59-62页 |
| 4.1.1 图像反伽马变换 | 第59-61页 |
| 4.1.2 基于加权最小二成滤波器的噪声去除 | 第61-62页 |
| 4.2 基于阈值的饱和区域检测 | 第62页 |
| 4.3 图像预处理 | 第62-63页 |
| 4.4 基于分段线性函数的HDR图像生成 | 第63-68页 |
| 4.4.1 基于亮度相关线性函数的动态范围扩展 | 第64-66页 |
| 4.4.2 基于分段线性函数的动态范围扩展 | 第66-68页 |
| 4.5 实验过程及结果分析 | 第68-76页 |
| 4.5.1 主观评估 | 第68-72页 |
| 4.5.2 DRIM图像质量评估 | 第72-74页 |
| 4.5.3 平均主观意见分数 | 第74-75页 |
| 4.5.4 算法效率比较 | 第75-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第五章 全文总结与展望 | 第77-79页 |
| 5.1 全文总结 | 第77-78页 |
| 5.2 后续工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 个人简历及攻读硕士期间的研究成果 | 第84页 |
