计算机视觉中的颜色感知
全新正版未拆封
¥
15.98
2.7折
¥
59
全新
库存2件
作者王金华、李兵 著
出版社清华大学出版社
出版时间2021-04
版次1
装帧平装
上书时间2024-07-02
商品详情
- 品相描述:全新
图书标准信息
-
作者
王金华、李兵 著
-
出版社
清华大学出版社
-
出版时间
2021-04
-
版次
1
-
ISBN
9787302568735
-
定价
59.00元
-
装帧
平装
-
开本
其他
-
页数
472页
-
字数
300千字
- 【内容简介】
-
本书主要围绕颜色认知计算,主要包含颜色恒常性计算和高动态范围场景的可视化技术(色调映射和多曝光融合)两部分。如果将颜色分解为色度(Chromaticity)和亮度(Lightness)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来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研究人对颜色的感知。
- 【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。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】
-
章引言1
1.1背景与意义1
1.1.1颜恒常1
1.1.2hdr图像处理3
1.2外研究现状5
1.2.1颜恒常计算5
1.2.2hdr图像处理9
参文献12
第2章颜恒常计算13
2.1朗伯特反模型13
2.2颜恒常计算14
2.3对角模型14
2.4颜恒常计算研究现状15
2.4.1无监督的颜恒常计算15
2.4.2有监督的颜恒常计算20
2.4.3颜恒常融合算25
2.4.4颜不变描述27
2.5颜恒常计算实验数据集32
2.6光照估计的能评价标准34
2.7本章小结35
参文献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
3.2.3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框架生成的其他方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框架中方的比较58
3.6.2与其他光照估计算的比较63
3.6.3使用不同稀疏正则化的mc方的比较67
3.6.4树结构联合稀疏表示与近邻方的比较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
参文献72
第4章基于纹理相似的自然图像的颜恒常计算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恒常算融合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基于纹理相似的颜恒常算融合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交验证实验82
4.4.3图像光照校正示例83
4.5本章小结85
参文献85
第5章自然场景光照估计融合算的评价86
5.1引言86
5.2光照估计融合算87
5.2.1无监督融合88
5.2.2有监督融合88
5.2.3引导式融合89
5.3单一颜恒常算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算的比较111
5.6.3sc和gc算的比较113
5.6.4igc算的特征分析116
5.7场景类别对融合的影响117
5.8单一估计算对融合的影响118
5.8.1使用uu和su算进行融合的能比较118
5.8.2单一算数量对融合结果的影响119
5.9多光源场景的融合算120
5.10本章小结122
参文献122
第6章基于亮度感知的hdr场景再现123
6.1引言123
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126
6.4.1hvs亮度感知理论126
6.4.2基于“双锚”理论的调映算127
6.4.3对比度增强132
6.4.4颜校正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
参文献148
第7章基于稀疏表示和可移复方向金字塔变换的多曝光融合149
7.1引言149
7.2可移复方向金字塔变换150
7.3基于稀疏表示和可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pdtdfb的多曝光融合算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
参文献169
第8章一种端到端深度学框架下的多曝光图像融合算170
8.1引言170
8.2存在的问题171
8.3端到端深度学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
9.2.3相对均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
参文献217
0章结与展望218
10.1结218
10.2展望221
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价