圖像理解：顏色認(rèn)知計(jì)算

1.1 背景與意義
1.1.1 顏色恒常性
1.1.2 HDR圖像處理
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 顏色恒常性計(jì)算
1.2.2 HDR圖像處理
1.3 本書(shū)的內(nèi)容和結(jié)構(gòu)安排
參考文獻(xiàn)
第2章 無(wú)監(jiān)督的顏色恒常性計(jì)算
2.1 引言
2.2 相關(guān)工作介紹
2.2.1 White Patch假設(shè)
2.2.2 Grey World假設(shè)
2.2.3 Grey Edge假設(shè)
2.2.4 Grey Surface Identification算法
2.2.5 小結(jié)
2.3 基于灰色表面的顏色恒常性計(jì)算
2.3.1 基于迭代的灰色表面提取算法
2.3.2 基于顏色不變性描述的優(yōu)化算法
2.4 實(shí)驗(yàn)結(jié)果與分析
2.4.1 顏色恒常性計(jì)算實(shí)驗(yàn)數(shù)據(jù)集
2.4.2 光照估計(jì)的性能評(píng)價(jià)標(biāo)準(zhǔn)
2.4.3 基于321幅SFU圖像集的實(shí)驗(yàn)結(jié)果
2.4.4 基于900幅圖像集的實(shí)驗(yàn)結(jié)果
2.4.5 基于11000幅圖像集的實(shí)驗(yàn)結(jié)果
2.4.6 基于11000幅圖像集子集的實(shí)驗(yàn)結(jié)果
2.4.7 迭代次數(shù)對(duì)性能的影響
2.4.8 灰色表面統(tǒng)計(jì)
2.4.9 圖像光照矯正示例
2.5 本章小結(jié)
參考文獻(xiàn)
第3章 有監(jiān)督的顏色恒常性計(jì)算
3.1 引言
3.2 相關(guān)工作介紹
3.2.1 基于貝葉斯理論的顏色恒常性計(jì)算
3.2.2 基于相關(guān)性的顏色恒常性計(jì)算
3.2.3 基于BP神經(jīng)網(wǎng)絡(luò)的顏色恒常性計(jì)算
3.2.4 基于SVR的顏色恒常性計(jì)算
3.2.5 小結(jié)
3.3 基于ELM顏色恒常性計(jì)算
3.3.1 EI.M簡(jiǎn)介
3.3.2 ELM與SVR的比較
3.3.3 基于ELM的顏色恒常性計(jì)算
3.4 實(shí)驗(yàn)結(jié)果與分析
3.4.1 基于321幅SFU圖像集的實(shí)驗(yàn)結(jié)果
3.4.2 基于900幅圖像集的實(shí)驗(yàn)結(jié)果
3.4.3 基于11000幅圖像集的實(shí)驗(yàn)結(jié)果
3.4.4 ELM與SVR的速度比較實(shí)驗(yàn)
3.4.5 圖像光照矯正示例
3.5 本章小結(jié)
參考文獻(xiàn)
第4章 顏色恒常性算法融合
4.1 引言
4.2 相關(guān)工作介紹
4.2.1 基于委員會(huì)的顏色恒常性算法融合
4.2.2 基于自然圖像統(tǒng)計(jì)的顏色恒常性算法融合
4.2.3 基于室內(nèi)一戶外圖像場(chǎng)景類的顏色恒常性算法
4.2.4 小結(jié)
4.3 基于場(chǎng)景三維幾何特征的顏色恒常性計(jì)算
4.3.1 場(chǎng)景的三維幾何模型
4.3.2 算法描述
4.3.3 場(chǎng)景的stage分類
4.3.4 基于stage模型結(jié)構(gòu)的自然場(chǎng)景分割
4.3.5 場(chǎng)景光照估計(jì)
……
第5章 多光照顏色恒常性計(jì)算
第6章 基于不變矩的顏色不變性描述
第7章 基于亮度感知的HDR場(chǎng)景再現(xiàn)
第8章 局部自適應(yīng)雙邊濾波色調(diào)映射
第9章 基于支持向量回歸的曝光融合
第10章 基于可操縱金字塔的曝光融合
第11章 總結(jié)與展望
附錄A 各章部分彩圖