| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 目录 | 第7-13页 |
| 第一章 绪论 | 第13-31页 |
| ·室外光照特点 | 第15-20页 |
| ·太阳光 | 第16-17页 |
| ·天空光 | 第17-20页 |
| ·室外场景光照估计的难点 | 第20-23页 |
| ·场景的三维几何模型获取困难 | 第20-22页 |
| ·光照复杂 | 第22-23页 |
| ·现有的光照估计的方法和缺点 | 第23-29页 |
| ·直接测量的方法 | 第23-24页 |
| ·基于物理的光照获取方法 | 第24-25页 |
| ·基于图像的光照获取方法 | 第25-28页 |
| ·室外场景光照分析 | 第28-29页 |
| ·本文工作 | 第29-31页 |
| 第二章 光照估计的基本概念 | 第31-37页 |
| ·从光源的入射强度到图像像素值 | 第31-35页 |
| ·从光源的入射光强到场景表面的照度 | 第31-32页 |
| ·从场景表面的照度到场景采样点投向观察方向的光亮度 | 第32-33页 |
| ·从场景采样点投向观察方向的光亮度到图像的像素值 | 第33-35页 |
| ·离线交互获得图像的太阳光和天空光入射光强 | 第35-37页 |
| 第三章 基于统计学习的室外光照估计算法 | 第37-57页 |
| ·引言 | 第37-40页 |
| ·相关工作 | 第40-41页 |
| ·纹理图像的统计分析 | 第40-41页 |
| ·室外光照明模型 | 第41-42页 |
| ·光照的统计模型 | 第42-43页 |
| ·基于统计的光照参数估计框架 | 第43-48页 |
| ·本征统计参数求解 | 第43-45页 |
| ·在线光照估计 | 第45-48页 |
| ·系统实现 | 第48-49页 |
| ·采样图像的准备 | 第48页 |
| ·数据组织 | 第48-49页 |
| ·实验结果 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| ·附录证明 | 第53-57页 |
| 第四章 基于基图像分解的室外光照估计算法 | 第57-73页 |
| ·引言 | 第57-58页 |
| ·相关工作 | 第58-60页 |
| ·图像分解 | 第58-60页 |
| ·线性模型 | 第60-62页 |
| ·本章所使用的光照明模型 | 第60-61页 |
| ·线性模型 | 第61-62页 |
| ·基于基图像分解的光照估计框架 | 第62-66页 |
| ·通过学习求解采样太阳位置下的基图像 | 第63-64页 |
| ·在线光照估计 | 第64-66页 |
| ·算法流程 | 第66页 |
| ·实验结果 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 无需离线学习的室外光照估计算法 | 第73-95页 |
| ·引言 | 第73-74页 |
| ·相关工作 | 第74-79页 |
| ·阴影检测 | 第74-75页 |
| ·颜色恒常性及光照归一化 | 第75-77页 |
| ·基于图像的重光照 | 第77-79页 |
| ·算法 | 第79-82页 |
| ·实验结果 | 第82-83页 |
| ·应用 | 第83-88页 |
| ·增强现实 | 第83-85页 |
| ·阴影检测 | 第85-86页 |
| ·颜色恒常性和光照归一化 | 第86页 |
| ·重光照 | 第86-88页 |
| ·本文三种算法的比较 | 第88-92页 |
| ·本章小结 | 第92-95页 |
| 第六章 总结与展望 | 第95-99页 |
| ·本文总结 | 第95-96页 |
| ·未来工作展望 | 第96-99页 |
| 参考文献 | 第99-118页 |
| 攻读博士学位期间发表的学术论文 | 第118-119页 |
| 致谢 | 第119页 |