首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

颜色恒常性计算研究

致谢第1-6页
中文摘要第6-7页
ABSTRACT第7-12页
1 绪论第12-26页
   ·课题的研究背景第12-14页
   ·课题的研究意义第14-16页
   ·国内外研究现状第16-21页
   ·论文的研究前提、内容及成果第21-25页
     ·论文的研究前提第21-22页
     ·论文的研究内容第22-23页
     ·论文的研究成果第23-25页
   ·论文的结构安排第25-26页
2 基于灰色表面的颜色恒常性计算第26-51页
   ·引言第26-27页
   ·相关工作介绍第27-34页
     ·朗伯特反射模型与对角模型第27-28页
     ·White Patch假设第28-29页
     ·Grey World假设第29-30页
     ·Grey Edge假设第30-32页
     ·Grey Surface Identification算法第32-33页
     ·存在的问题第33-34页
   ·基于灰色表面的颜色恒常性计算第34-38页
     ·基于迭代的灰色表面提取算法第34-36页
     ·基于颜色不变性描述的优化算法第36-38页
   ·实验结果与分析第38-49页
     ·误差度量和性能评价第39-41页
     ·基于321幅SFU图像集的实验结果第41-42页
     ·基于900幅图像集的实验结果第42-44页
     ·基于11000幅图像集的实验结果第44-46页
     ·基于11000幅图像集子集的实验结果第46-48页
     ·迭代次数对性能的影响第48页
     ·灰色表面统计第48-49页
     ·图像光照矫正示例第49页
   ·本章小结第49-51页
3 基于ELM的颜色恒常性计算第51-72页
   ·引言第51-52页
   ·相关工作介绍第52-58页
     ·基于贝叶斯推理的颜色恒常性计算第53页
     ·基于相关性的颜色恒常性计算第53-56页
     ·基于BP神经网络的颜色恒常性计算第56-57页
     ·基于SVR的颜色恒常性计算第57-58页
     ·存在的问题第58页
   ·基于ELM颜色恒常性计算第58-64页
     ·Extreme Learning Machine简介第58-60页
     ·ELM vs SVR第60-62页
     ·基于ELM的颜色恒常性计算第62-64页
   ·实验结果与分析第64-70页
     ·误差度量和性能评价第65页
     ·基于321幅SFU图像集的实验结果第65-66页
     ·基于900幅图像集的实验结果第66-67页
     ·基于11000幅图像集的实验结果第67-69页
     ·ELM与SVR的速度比较实验第69页
     ·图像光照矫正示例第69-70页
   ·本章小结第70-72页
4 基于纹理相似性的自然图像的颜色恒常性计算第72-85页
   ·引言第72-73页
   ·相关工作介绍第73-77页
     ·基于委员会的颜色恒常性算法融合第73-74页
     ·基于自然图像统计的颜色恒常性算法融合第74-76页
     ·存在的问题第76-77页
   ·基于纹理相似性的自然图像的颜色恒常性计算第77-80页
     ·威布尔分布与图像的纹理特征第77-78页
     ·基于纹理相似的颜色恒常性算法融合第78-80页
   ·实验结果与分析第80-83页
     ·参数K的选择实验第80-82页
     ·交叉验证实验第82-83页
     ·图像光照校正示例第83页
   ·本章小结第83-85页
5 基于不变矩的颜色不变性描述第85-109页
   ·引言第85-86页
   ·相关工作介绍第86-92页
     ·颜色直方图第86-87页
     ·色度直方图第87-88页
     ·颜色恒常的颜色索引第88-89页
     ·模糊鲁棒的颜色不变性描述子第89-91页
     ·存在的问题第91-92页
   ·不变矩理论简介第92-93页
   ·基于不变矩的颜色不变性描述第93-99页
     ·Diagonal-Offset模型第93-94页
     ·两种新的颜色空间定义第94-95页
     ·颜色的矩不变量第95-96页
     ·离散颜色空间上的实现第96-97页
     ·基于不变矩的颜色不变性描述子第97-98页
     ·颜色不变性描述子的鲁棒性分析第98-99页
   ·实验结果与分析第99-108页
     ·基于物体识别的实验及分析第99-105页
     ·基于图像检索的实验及分析第105-108页
   ·本章小结第108-109页
6 论文工作总结与展望第109-113页
   ·论文工作总结第109-110页
   ·进一步的工作第110-113页
参考文献第113-121页
附录A 部分彩图第121-126页
作者简历第126页
攻读博士学位期间发表的学术论文(第一作者)第126-128页
学位论文数据集第128页

论文共128页,点击 下载论文
上一篇:掌纹识别关键算法的研究
下一篇:数据流top-K频繁模式挖掘算法研究