彩色計算機視覺：基礎(chǔ)與應(yīng)用

第1章 引言
1．1 從基礎(chǔ)到應(yīng)用
1．2 第1部分：彩色基礎(chǔ)
1．3 第2部分：光度不變性
1．3．1 基于物理性質(zhì)的不變性
1．3．2 基于機器學習的不變性
1．4 第3部分：彩色恒常性
1．5 第4部分：彩色特征提取
1．5．1 從亮度到彩色
1．5．2 特征、描述符和顯著性
1．5．3 分割
1．6 第5部分：應(yīng)用
1．6．1 檢索和視覺探索
1．6．2 彩色命名
1．6．3 多光譜應(yīng)用
1．7 本章小結(jié)
第1部分 彩色基礎(chǔ)
第2章 彩色視覺
2．1 引言
2．2 彩色信息處理步驟
2．2．1 眼睛和光學
2．2．2 視網(wǎng)膜：桿狀細胞和錐狀細胞
2．2．3 神經(jīng)節(jié)細胞和感受野
2．2．4 外側(cè)膝狀核和視覺皮層
2．3 視覺系統(tǒng)的色度特性
2．3．1 色度適應(yīng)
2．3．2 人類彩色恒常性
2．3．3 空間相互作用
2．3．4 色度辨別和色覺障礙
2．4 本章小結(jié)
第3章 彩色成像
3．1 朗伯反射模型
3．2 雙色反射模型
3．3 庫貝卡·蒙克模型
3．4 對角模型
3．5 彩色空間
3．5．1 XYZ系統(tǒng)
3．5．2 RGB系統(tǒng)
3．5．3 對立彩色空間
3．5．4 感知均勻彩色空間
3．5．5 直觀彩色模型
3．6 本章小結(jié)
第2部分 光度不變性
第4章 基于像素的光度不變性
4．1 歸一化彩色空間
4．2 對立彩色空間
4．3 HSV彩色空間
4．4 合成彩色空間
4．4．1 體反射率不變性
4．4．2 體和表面反射率不變性
4．5 噪聲穩(wěn)定性和直方圖構(gòu)建
4．5．1 噪聲擴散
4．5．2 通過變換的彩色擴散噪聲示例
4．5．3 使用可變核密度構(gòu)建直方圖
4．6 應(yīng)用：基于彩色的目標識別
4．6．1 數(shù)據(jù)集合性能測量
4．6．2 抗噪聲的魯棒性：模擬數(shù)據(jù)
4．7 本章小結(jié)
第5章 彩色比率的光度不變性
5．1 光源不變彩色比率
5．2 光源不變邊緣檢測
5．3 模糊魯棒和彩色恒常圖像描述
5．4 應(yīng)用：基于彩色比率的圖像檢索
5．4．1 光源彩色的魯棒性
5．4．2 高斯模糊的魯棒性
5．4．3 真實世界模糊效果的魯棒性
5．5 本章小結(jié)
第6章 基于導數(shù)的光度不變性
6．1 完全光度不變量
6．1．1 高斯彩色模型
6．1．2 RGB相機的高斯彩色模型
6．1．3 高斯彩色模型的導數(shù)
6．1．4 朗伯反射模型的微分不變量
6．1．5 雙色反射模型的微分不變量
6．1．6 完全彩色不變量小結(jié)
6．1．7 二維中的幾何彩色不變量
6．2 準不變量
6．2．1 雙色反射模型中的邊緣
6．2．2 光度變量和準不變量
6．2．3 準不變量與完全不變量的聯(lián)系
6．2．4 完全不變量和準不變量的局部化和鑒別能力
6．3 本章小結(jié)
第7章 基于機器學習的光度不變性
7．1 從多樣化的集合中學習
7．2 時域集合學習
7．3 為區(qū)域檢測學習彩色不變量
7．4 實驗
7．4．1 誤差測度
7．4．2 皮膚檢測：靜止圖像
7．4．3 視頻中的道路檢測
7．5 本章小結(jié)
第3部分 彩色恒常性
第8章 光源估計和色彩適應(yīng)
8．1 光源估計
8．2 色彩適應(yīng)
第9章 使用低層特征的彩色恒常性
9．1 通用灰色世界
9．2 灰色邊緣
9．3 基于物理的方法
9．4 本章小結(jié)
第10章 使用色域方法的彩色恒常性
10．1 使用導數(shù)結(jié)構(gòu)的色域映射
10．1．1 對角偏移模型
10．1．2 像素值線性組合的色域映射
10．1．3 N-jet色域
10．2 色域映射算法的組合
10．2．1 組合可行集
10．2．2 組合算法輸出
10．3 本章小結(jié)
第11章 基于機器學習的彩色恒常性
11．1 概率方法
11．2 使用輸出統(tǒng)計的組合
11．3 使用自然圖像統(tǒng)計的組合
11．3．1 空間圖像結(jié)構(gòu)
11．3．2 算法選擇
11．4 使用語義信息的方法
11．4．1 使用場景類別
11．4．2 使用高層視覺信息
11．5 本章小結(jié)
……
第4部分 彩色特征提取
第5部分 應(yīng)用
引用指南
參考文獻
索引