| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 引言 | 第14-28页 |
| 1.1 选题背景和研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-26页 |
| 1.2.1 高动态范围图像的合成 | 第17-21页 |
| 1.2.2 高动态范围图像的可视化 | 第21-26页 |
| 1.3 论文的主要工作与内容安排 | 第26-28页 |
| 第二章 高动态范围图像处理相关理论基础 | 第28-58页 |
| 2.1 多曝光图像序列的配准 | 第28-32页 |
| 2.2 高动态范围图像合成算法 | 第32-43页 |
| 2.2.1 数码相机成像机制 | 第32-34页 |
| 2.2.2 相机响应函数的标定 | 第34-40页 |
| 2.2.3 高动态范围场景照度的估计 | 第40-41页 |
| 2.2.4 高动态范围图像的存储 | 第41-43页 |
| 2.3 高动态范围图像可视化技术 | 第43-54页 |
| 2.3.1 直方图均衡色调映射 | 第44-46页 |
| 2.3.2 S型曲线压缩算法 | 第46-47页 |
| 2.3.3 Reinhard算法 | 第47-49页 |
| 2.3.4 iCAM06算法 | 第49-54页 |
| 2.4 客观评价指标 | 第54-57页 |
| 2.5 本章小结 | 第57-58页 |
| 第三章 基于场景一致性和QR分解的快速高动态范围图像合成算法 | 第58-81页 |
| 3.1 引言 | 第58-64页 |
| 3.2 相机响应函数标定模型 | 第64-68页 |
| 3.2.1 代价函数的构建 | 第64-65页 |
| 3.2.2 加权函数的选择 | 第65-68页 |
| 3.3 响应函数方程组的求解 | 第68-72页 |
| 3.3.1 方程组的求解 | 第68-70页 |
| 3.3.2 样本点的选取 | 第70-72页 |
| 3.4 高动态范围场景照度估计 | 第72-73页 |
| 3.5 实验结果及分析 | 第73-79页 |
| 3.6 本章小结 | 第79-81页 |
| 第四章 基于分层模型和引导滤波的局部色调映射算法 | 第81-100页 |
| 4.1 引言 | 第81-82页 |
| 4.2 分层色调映射算法的总体框架 | 第82-84页 |
| 4.3 基于图像滤波方法的图像分层 | 第84-92页 |
| 4.3.1 双边滤波 | 第84-87页 |
| 4.3.2 引导滤波 | 第87-90页 |
| 4.3.3 高动态范围图像分层 | 第90-92页 |
| 4.4 基本层压缩和细节层增强 | 第92-95页 |
| 4.4.1 模拟相机响应函数压缩基本层动态范围 | 第92-94页 |
| 4.4.2 对数域引导滤波的图像细节层增强 | 第94-95页 |
| 4.4.3 色彩校正 | 第95页 |
| 4.5 实验结果及分析 | 第95-99页 |
| 4.6 本章小结 | 第99-100页 |
| 第五章 基于主成分分析全局映射和图像增强的高动态范围图像快速可视化 | 第100-114页 |
| 5.1 引言 | 第100-101页 |
| 5.2 算法框架 | 第101-102页 |
| 5.3 基于主成分分析的全局映射 | 第102-107页 |
| 5.3.1 Gamma自适应校正 | 第102-103页 |
| 5.3.2 PCA空间转换 | 第103-105页 |
| 5.3.3 亮度分量动态范围调整 | 第105-106页 |
| 5.3.4 色差分量增强 | 第106-107页 |
| 5.4 图像增强 | 第107-108页 |
| 5.5 实验结果及分析 | 第108-113页 |
| 5.6 本章小结 | 第113-114页 |
| 第六章 总结与展望 | 第114-118页 |
| 6.1 全文总结 | 第114-116页 |
| 6.2 研究展望 | 第116-118页 |
| 参考文献 | 第118-128页 |
| 攻读博士学位期间的科研成果 | 第128-129页 |
| 致谢 | 第129页 |