| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 目标识别研究现状 | 第12-13页 |
| 1.2.2 光照鲁棒研究现状 | 第13-15页 |
| 1.3 本文主要工作与结构 | 第15-17页 |
| 1.3.1 本文主要工作 | 第15-16页 |
| 1.3.2 本文的结构 | 第16-17页 |
| 2 光照鲁棒方法概述 | 第17-26页 |
| 2.1 空域图像光照处理 | 第17-20页 |
| 2.1.1 直方图均衡化 | 第17-19页 |
| 2.1.2 空间滤波 | 第19-20页 |
| 2.2 频域图像光照处理 | 第20-21页 |
| 2.3 Retinex理论 | 第21-24页 |
| 2.3.1 视网膜皮层理论 | 第21-22页 |
| 2.3.2 色彩恒常性理论 | 第22-23页 |
| 2.3.3 Retinex理论模型 | 第23-24页 |
| 2.4 图像质量的评价标准 | 第24-25页 |
| 2.4.1 客观评价指标 | 第24-25页 |
| 2.4.2 目标识别评价指标 | 第25页 |
| 2.5 小结 | 第25-26页 |
| 3 基于引导滤波器的多尺度Retinex光照鲁棒图像处理算法 | 第26-44页 |
| 3.1 Retinex研究进展 | 第26-32页 |
| 3.1.1 随机游走Retinex算法 | 第26-27页 |
| 3.1.2 同态滤波Retinex算法 | 第27页 |
| 3.1.3 泊松方程Retinex算法 | 第27-29页 |
| 3.1.4 基于中心环绕的Retinex方法 | 第29-32页 |
| 3.2 图像引导滤波 | 第32-35页 |
| 3.2.1 双边滤波器 | 第33-34页 |
| 3.2.2 引导滤波器 | 第34-35页 |
| 3.3 基于引导滤波器的多尺度Retinex方法 | 第35-43页 |
| 3.3.1 光晕伪影成因 | 第35-36页 |
| 3.3.2 基于引导滤波器的Retinex方法解决光晕伪影问题 | 第36-38页 |
| 3.3.3 基于引导滤波器的多尺度Retinex方法解决色彩恢复问题 | 第38-39页 |
| 3.3.4 实现结果对比和分析 | 第39-43页 |
| 3.4 小结 | 第43-44页 |
| 4 面向光照鲁棒的目标识别系统 | 第44-57页 |
| 4.1 面向光照鲁棒的手机实时目标识别系统总体设计 | 第44页 |
| 4.2 面向光照鲁棒的手机实时目标识别系统算法实现 | 第44-51页 |
| 4.2.1 特征选择和提取 | 第45-48页 |
| 4.2.2 特征聚类 | 第48-49页 |
| 4.2.3 构建空间金字塔 | 第49-51页 |
| 4.3 Android平台上实现 | 第51页 |
| 4.4 目标识别系统性能评价 | 第51-56页 |
| 4.4.1 实验环境 | 第52页 |
| 4.4.2 Android开发环境搭建 | 第52页 |
| 4.4.3 数据集建立及预处理 | 第52-53页 |
| 4.4.4 系统识别结果 | 第53-56页 |
| 4.5 小结 | 第56-57页 |
| 5 结论 | 第57-59页 |
| 5.1 本文主要工作 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |
