图像理解：颜色认知计算

　　《图像理解：颜色认知计算》是著者将近几年的研究论文归纳、扩充后整理而成的，主要围绕颜色认知计算的主题，包含颜色恒常性计算和高动态范围（High Dynamic Range，HDR）场景可视化技术（色调映射和多曝光融合）两部分研究成果。全书共11章，内容包括基于灰色表面、ELM以及场景三维几何结构的自然图像的颜色恒常性算法，一种多光照条件下光照估计的计算框架，基于不变矩理论的颜色不变性描述子，基于亮度感知理论的HDR场景再现算法，局部自适应双边滤波色调映射算法，基于支持向量回归的多曝光融合算法，以及基于可操纵金字塔的多曝光融合算法。《图像理解：颜色认知计算》可供计算机、模式识别等领域的科研人员参考，也可作为高等院校图像处理、计算机视觉方向的教学参考书。

暂缺《图像理解：颜色认知计算》作者简介

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 国内外研究现状
1.2.1 颜色恒常性计算
1.2.2 HDR图像处理
1.3 本书的内容和结构安排
参考文献
第2章 无监督的颜色恒常性计算
2.1 引言
2.2 相关工作介绍
2.2.1 White Patch假设
2.2.2 Grey World假设
2.2.3 Grey Edge假设
2.2.4 Grey Surface Identification算法
2.2.5 小结
2.3 基于灰色表面的颜色恒常性计算
2.3.1 基于迭代的灰色表面提取算法
2.3.2 基于颜色不变性描述的优化算法
2.4 实验结果与分析
2.4.1 颜色恒常性计算实验数据集
2.4.2 光照估计的性能评价标准
2.4.3 基于321幅SFU图像集的实验结果
2.4.4 基于900幅图像集的实验结果
2.4.5 基于11000幅图像集的实验结果
2.4.6 基于11000幅图像集子集的实验结果
2.4.7 迭代次数对性能的影响
2.4.8 灰色表面统计
2.4.9 图像光照矫正示例
2.5 本章小结
参考文献
第3章 有监督的颜色恒常性计算
3.1 引言
3.2 相关工作介绍
3.2.1 基于贝叶斯理论的颜色恒常性计算
3.2.2 基于相关性的颜色恒常性计算
3.2.3 基于BP神经网络的颜色恒常性计算
3.2.4 基于SVR的颜色恒常性计算
3.2.5 小结
3.3 基于ELM颜色恒常性计算
3.3.1 EI.M简介
3.3.2 ELM与SVR的比较
3.3.3 基于ELM的颜色恒常性计算
3.4 实验结果与分析
3.4.1 基于321幅SFU图像集的实验结果
3.4.2 基于900幅图像集的实验结果
3.4.3 基于11000幅图像集的实验结果
3.4.4 ELM与SVR的速度比较实验
3.4.5 图像光照矫正示例
3.5 本章小结
参考文献
第4章 颜色恒常性算法融合
4.1 引言
4.2 相关工作介绍
4.2.1 基于委员会的颜色恒常性算法融合
4.2.2 基于自然图像统计的颜色恒常性算法融合
4.2.3 基于室内一户外图像场景类的颜色恒常性算法
4.2.4 小结
4.3 基于场景三维几何特征的颜色恒常性计算
4.3.1 场景的三维几何模型
4.3.2 算法描述
4.3.3 场景的stage分类
4.3.4 基于stage模型结构的自然场景分割
4.3.5 场景光照估计
……
第5章 多光照颜色恒常性计算
第6章 基于不变矩的颜色不变性描述
第7章 基于亮度感知的HDR场景再现
第8章 局部自适应双边滤波色调映射
第9章 基于支持向量回归的曝光融合
第10章 基于可操纵金字塔的曝光融合
第11章 总结与展望
附录A 各章部分彩图