由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书计算机视觉中的颜色感知9787302568735
¥ ×1
章引言1
1.1背景与意义1
1.1.1颜色恒常1
1.1.2HDR图像处理3
1.2国内外研究现状5
1.2.1颜色恒常计算5
1.2.2HDR图像处理9
参考文献12
第2章颜色恒常计算13
2.1朗伯特反模型13
2.2颜色恒常计算14
.对角模型14
2.4颜色恒常计算研究现状15
2.4.1无监督的颜色恒常计算15
2.4.2有监督的颜色恒常计算20
2.4.3颜色恒常融合算法25
2.4.4颜色不变描述27
2.5颜色恒常计算实验数据集32
2.6光照估计的能评标准34
2.7本章小结35
参考文献35
第3章基于树结构联合稀疏表示的多线索光照估计36
3.1引言36
3.2研究背景373.2.1成像模型37
3.2.2光照估计相关工作37
3..稀疏表示40
3.3基于树结构联合稀疏表示的多线索光照估计40
3.3.1MC概述40
3.3.2树结构联合稀疏正则化41
3.3.3TGJSR的优化45
3.3.4核化TGJSR47
3.4MC光照估计的实现与分析48
3.4.1特征提取48
3.4.2由MC框架生成的方法49
3.5实验结果50
3.5.1评价标准52
3.5.2GehlerShi数据集测试52
3.5.3SFU数据集测试54
3.5.4Barcelona数据集测试56
3.6比较与分析58
3.6.1TGJSR框架中方法的比较58
3.6.2与光照估计算法的比较63
3.6.3使用不同稀疏正则化的MC方法的比较67
3.6.4树结构联合稀疏表示与近邻方法的比较68
3.6.5训练数据集大小的影响69
3.6.6线MC和核化MC的比较69
3.7本章小结72
参考文献72
第4章基于纹理相似的自然图像的颜色恒常计算73
4.1引言73
4.2相关工作介绍74
4.2.1基于自然图像统计的颜色恒常算法融合74
4.2.2存在的问题76
4.3基于纹理相似的自然图像的颜色恒常计算77
4.3.1威布尔分布与图像的纹理特征78
4.3.2基于纹理相似的颜色恒常算法融合79
4.4实验结果与分析80
4.4.1参数K的选择实验80
4.4.2交验实验82
4.4.3图像光照校正示例83
4.5本章小结85
参考文献85
第5章自然场景光照估计融合算法的评价86
5.1引言86
5.2光照估计融合算法87
5.2.1无监督融合88
5.2.2有监督融合88
5..引导式融合89
5.3单一颜色恒常算法92
5.4实验设置94
5.4.1图像数据集94
5.4.2误差评价标准96
5.4.3实验参数选择96
5.5实验结果99
5.5.1GehlerShi数据集的结果分析99
5.5.2SFU子数据集的结果分析103
5.5.3Barcelona数据集的结果分析106
5.5.4时间能比较110
5.6实验结果分析111
5.6.1一致分析111
5.6.2UC与SC算法的比较111
5.6.3SC和GC算法的比较113
5.6.4IGC算法的特征分析116
5.7场景类别对融合的影响117
5.8单一估计算法对融合的影响118
5.8.1使用UU和SU算法进行融合的能比较118
5.8.2单一算法数量对融合结果的影响119
5.9多光源场景的融合算法120
5.10本章小结122
参考文献122
第6章基于亮度感知的HDR场景再现1
6.1引言1
6.2相关工作介绍124
6.3存在的问题126
6.4基于亮度感知理论的HDR场景再现算法126
6.4.1HVS亮度感知理论126
6.4.2基于“双锚”理论的色调映算法127
6.4.3对比度132
6.4.4颜色校正134
6.5实验结果与分析136
6.5.1评价标准136
6.5.2能分析与比较137
6.6本章小结147
参考文献148
第7章基于稀疏表示和可平移复方向金字塔变换的多曝光融合149
7.1引言149
7.2可平移复方向金字塔变换150
7.3基于稀疏表示和可平移复方向金字塔变换的多曝光融合154
7.3.1稀疏表示简介154
7.3.2基于稀疏表示和TDB的多曝光融合算法155
7.4实验结果与分析159
7.4.1评价标准160
7.4.2实验结果与分析163
7.5本章小结169
参考文献169
8章种端到端深度学习框架下的多曝光图像融合算法170
8.1引言170
8.2存在的问题171
8.3端到端深度学习框架下的多曝光图像融合171
8.4实验结果与分析174
8.5本章小结177
参考文献177
第9章基于生成对抗网络的多曝光图像融合框架178
9.1引言178
9.2GAN网络结构180
9.2.1标准GAN181
9.2.2相对GAN182
9..相对平均GAN184
9.2.4小二乘GAN185
9.3基于生成对抗网络的多曝光图像融合框架187
9.3.1基于GAN的多曝光图像融合架构187
9.3.2生成器网络结构188
9.3.3判别器网络结构199
9.3.4损失函数200
9.4实验结果204
9.4.1评价指标204
9.4.2结果分析204
9.5本章小结216
参考文献217
0章总结与展望218
10.1总结218
10.2展望221
王金华,女博士(后),副教授,北京联合大学教师。研究方向计算机视觉,机器学习。以作者发表研究12篇,其中SCI8篇,授权1项,软件著作权8项。在2012年,获得自然科学青年资1项,并作为骨干参加北京市属高等学校创新团队建设项目“图像理解及可视化应用”。
颜色恒常计算和多曝光图像融合的研究成果已经被应用到计算机视觉的许多领域中,如视频监控、人脸监测、物体识别等,但是效果仍不理想,有待进一步提高。同时,颜色恒常的一部分研究成果也已经应用到我们的日常生活中。在我们日常用的数字摄像机的“自动白平衡”和HDR功能就是颜色恒常算法和多曝光图像融合技术的一个典型应用。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格