计算机视觉中的颜色感知

基本信息

• 商品名称：计算机视觉中的颜色感知
• 作者：王金华//李兵|责编:郭赛
• 定价：59
• 出版社：清华大学
• 书号：9787302568735

其他参考信息（以实物为准）

• 出版时间：2021-04-01
• 印刷时间：2021-04-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：221
• 字数：300千字

编辑推荐语

颜色恒常性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，颜色恒常性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功能就是颜色恒常性算法和多曝光图像融合技术的一个典型应用。

内容提要

本书主要探讨计算机视 觉中的颜色感知，包含颜色 恒常性计算和HDR场景可视 化技术（色调映射和多曝光 图像融合）两部分内容。如 果将颜色分解为色度和亮度 两个因素，则颜色恒常性计 算主要是从颜色的色度信息 的角度研究人对颜色的感知 ；而HDR场景可视化技术主 要是从颜色的亮度度量表示 的角度研究人对颜色的感知 。颜色恒常性计算的目的是 消除光照对图像颜色的影响 ，从而得到物体表面与光照 无关的颜色特性，为计算机 视觉系统提供类似于人类视 觉系统的颜色恒常 知功 能。HDR场景可视化技术能 够 好地再现真实场景的信 息，得到的图像给人眼带来 的视觉感知与人眼直接观察 真实场景的感官体验 接近 。
     本书可供计算机视觉、 图像处理等领域的科研人员 参考，也可作为高等院校的 教学参考书。

作者简介

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 作者发表研究论文12篇，其中SCI论文8篇，授权专利1项，软件著作权8项。在2012年，获得 自然科学青年基金资助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”。

目录

第1章 引言
1.1 背景与意义
1.1.1 颜色恒常性
1.1.2 HDR图像处理
1.2 外研究现状
1.2.1 颜色恒常性计算
1.2.2 HDR图像处理
参考文献
第2章 颜色恒常性计算
2.1 朗伯特反射模型
2.2 颜色恒常性计算
2.3 对角模型
2.4 颜色恒常性计算研究现状
2.4.1 无监督的颜色恒常性计算
2.4.2 有监督的颜色恒常性计算
2.4.3 颜色恒常性融合算法
2.4.4 颜色不变性描述
2.5 颜色恒常性计算实验数据集
2.6 光照估计的性能评价标准
2.7 本章小结
参考文献
第3章 基于树结构联合稀疏表示的多线索光照估计
3.1 引言
3.2 研究背景
3.2.1 成像模型
3.2.2 光照估计相关工作
3.2.3 稀疏表示
3.3 基于树结构联合稀疏表示的多线索光照估计
3.3.1 MC概述
3.3.2 树结构联合稀疏正则化
3.3.3 TGJSR的优化
3.3.4 核化TGJSR
3.4 MC光照估计的实现与分析
3.4.1 特征提取
3.4.2 由MC框架生成的其他方法
3.5 实验结果
3.5.1 评价标准
3.5.2 Gehler-Shi数据集测试
3.5.3 SFU数据集测试
3.5.4 Barcelona数据集测试
3.6 比较与分析
3.6.1 TGJSR框架中方法的比较
3.6.2 与其他光照估计算法的比较
3.6.3 使用不同稀疏正则化的MC方法的比较
3.6.4 树结构联合稀疏表示与 近邻方法的比较
3.6.5 训练数据集大小的影响
3.6.6 线性MC和核化MC的比较
3.7 本章小结
参考文献
第4章 基于纹理相似性的自然图像的颜色恒常性计算
4.1 引言
4.2 相关工作介绍
4.2.1 基于自然图像统计的颜色恒常性算法融合
4.2.2 存在的问题
4.3 基于纹理相似性的自然图像的颜色恒常性计算
4.3.1 威布尔分布与图像的纹理特征
4.3.2 基于纹理相似的颜色恒常性算法融合
4.4 实验结果与分析
4.4.1 参数K的选择实验
4.4.2 交叉验证实验
4.4.3 图像光照校正示例
4.5 本章小结
参考文献
第5章 自然场景光照估计融合算法的评价
5.1 引言
5.2 光照估计融合算法
5.2.1 无监督融合
5.2.2 有监督融合
5.2.3 引导式融合
5.3 单一颜色恒常性算法
5.4 实验设置
5.4.1 图像数据集
5.4.2 误差评价标准
5.4.3 实验参数选择
5.5 实验结果
5.5.1 Gehler-Shi数据集的结果分析
5.5.2 SFU子数据集的结果分析
5.5.3 Barcelona数据集的结果分析
5.5.4 时间性能比较
5.6 实验结果分析
5.6.1 一致性分析
5.6.2 UC与SC算法的比较
5.6.3 SC和GC算法的比较
5.6.4 IGC算法的特征分析
5.7 场景类别对融合的影响
5.8 单一估计算法对融合的影响
5.8.1 使用UU和SU算法进行融合的性能比较
5.8.2 单一算法数量对融合结果的影响
5.9 多光源场景的融合算法
5.10 本章小结
参考文献
第6章 基于亮度感知的HDR场景再现
6.1 引言
6.2 相关工作介绍
6.3 存在的问题
6.4 基于亮度感知理论的HDR场景再现算法
6.4.1 HVS亮度感知理论
6.4.2 基于“双锚”理论的色调映射算法
6.4.3 对比度增强
6.4.4 颜色校正
6.5 实验结果与分析
6.5.1 评价标准
6.5.2 性能分析与比较
6.6 本章小结
参考文献
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
7.1 引言
7.2 可平移复方向金字塔变换
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
7.3.1 稀疏表示简介
7.3.2 基于稀疏表示和PDTDFB的多曝光融合算法
7.4 实验结果与分析
7.4.1 评价标准
7.4.2 实验结果与分析
7.5 本章小结
参考文献
第8章 一种端到端深度学习框架下的多曝光图像融合算法
8.1 引言
8.2 存在的问题
8.3 端到端深度学习框架下的多曝光图像融合
8.4 实验结果与分析
8.5 本章小结
参考文献
第9章 基于生成对抗网络的多曝光图像融合框架
9.1 引言
9.2 GAN网络结构
9.2.1 标准GAN
9.2.2 相对GAN
9.2.3 相对平均GAN
9.2.4 小二乘GAN
9.3 基于生成对抗网络的多曝光图像融合框架
9.3.1 基于GAN的多曝光图像融合架构
9.3.2 生成器网络结构
9.3.3 判别器网络结构
9.3.4 损失函数
9.4 实验结果
9.4.1 评价指标
9.4.2 结果分析
9.5 本章小结
参考文献
0章 总结与展望
10.1 总结
10.2 展望