| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 图像增强的国内外研究现状 | 第13-15页 |
| 1.2.2 行人再识别的国内外研究现状 | 第15-20页 |
| 1.3 本文主要研究内容与结构安排 | 第20-24页 |
| 1.3.1 主要研究内容 | 第20-21页 |
| 1.3.2 结构安排 | 第21-24页 |
| 第2章 行人再识别的相关理论 | 第24-36页 |
| 2.1 颜色空间 | 第24-27页 |
| 2.1.1 RGB颜色空间 | 第24-25页 |
| 2.1.2 HSV颜色空间 | 第25-26页 |
| 2.1.3 CIEL~*a~*b~*，CIEL~*u~*v~*颜色空间 | 第26-27页 |
| 2.2 Retinex增强理论 | 第27-28页 |
| 2.3 图像特征提取 | 第28-31页 |
| 2.3.1 颜色特征 | 第28-29页 |
| 2.3.2 纹理特征 | 第29-31页 |
| 2.3.3 本文的特征提取方法 | 第31页 |
| 2.4 距离度量 | 第31-34页 |
| 2.4.1 欧氏距离和马氏距离 | 第32-33页 |
| 2.4.2 判别分析 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 MSRCR-G彩色图像增强算法 | 第36-48页 |
| 3.1 多尺度彩色恢复Retinex算法分析 | 第36-40页 |
| 3.1.1 MSRCR算法 | 第36-38页 |
| 3.1.2 估计光照分量 | 第38-39页 |
| 3.1.3 现有MSRCR算法的分析 | 第39-40页 |
| 3.2 引导滤波改进MSRCR算法 | 第40-45页 |
| 3.2.1 颜色空间选择 | 第40-41页 |
| 3.2.2 引导滤波估计光照分量 | 第41-43页 |
| 3.2.3 色彩恢复 | 第43-44页 |
| 3.2.4 线性拉伸变换 | 第44-45页 |
| 3.3 MSRCR-G算法的实现 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 交叉视图正则化判别度量学习的行人再识别算法 | 第48-60页 |
| 4.1 基于马氏距离度量学习的行人再识别算法 | 第48-50页 |
| 4.1.1 KISSME算法 | 第48-49页 |
| 4.1.2 二次判别度量学习算法 | 第49-50页 |
| 4.1.3 现有算法的分析 | 第50页 |
| 4.2 交叉视图的正则化判别距离度量学习 | 第50-55页 |
| 4.2.1 交叉视图特征子空间 | 第51-52页 |
| 4.2.2 正则化判别度量 | 第52-53页 |
| 4.2.3 核矩阵求解 | 第53-55页 |
| 4.3 行人图像匹配 | 第55-56页 |
| 4.4 XRDA行人再识别算法的实现 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 实验结果与分析 | 第60-76页 |
| 5.1 实验环境及算法评价标准 | 第60-63页 |
| 5.1.1 实验环境 | 第60页 |
| 5.1.2 MSRCR-G算法评价标准 | 第60-61页 |
| 5.1.3 行人再识别数据集 | 第61-62页 |
| 5.1.4 CMC曲线 | 第62-63页 |
| 5.2 MSRCR-G算法实验结果与分析 | 第63-69页 |
| 5.2.1 引导滤波改进的SSR、MSR、MSRCR算法的实验对比 | 第63-64页 |
| 5.2.2 在各种颜色空间的MSRCR算法的对比 | 第64-66页 |
| 5.2.3 MSRCR-G算法处理较暗、较强光照下行人图像 | 第66-68页 |
| 5.2.4 引导图像使用原图和使用其他图像的对比 | 第68-69页 |
| 5.3 XRDA算法实验结果与分析 | 第69-73页 |
| 5.3.1 VIPeR数据集上的实验 | 第69-72页 |
| 5.3.2 GRID数据集上的实验 | 第72-73页 |
| 5.4 本章小结 | 第73-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 6.1 结论 | 第76-77页 |
| 6.2 进一步工作的方向 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-83页 |
