新書推薦：
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：HK$
81.4
《
中国古代北方民族史丛书——东胡史
》
售價：HK$
87.8
《
巨人传（插图珍藏本）
》
售價：HK$
705.6
《
地下（村上春树沙林毒气事件的长篇纪实）
》
售價：HK$
76.7
《
偿还：债务与财富的阴暗面
》
售價：HK$
80.2
《
清华大学藏战国竹简校释（壹）：《命训》诸篇
》
售價：HK$
94.4
《
封建社会农民战争问题导论（光启文库）
》
售價：HK$
68.4
《
虚弱的反攻：开禧北伐
》
售價：HK$
92.0
|
| 編輯推薦： |
|
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。
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
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，获得国家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”。
|
| 目錄：
|
章引言1
1.1背景与意义1
1.1.1颜色恒常性1
1.1.2HDR图像处理3
1.2国内外研究现状5
1.2.1颜色恒常性计算5
1.2.2HDR图像处理9
参考文献12
第2章颜色恒常性计算13
2.1朗伯特反模型13
2.2颜色恒常性计算14
2.3对角模型14
2.4颜色恒常性计算研究现状15
2.4.1无监督的颜色恒常性计算15
2.4.2有监督的颜色恒常性计算20
2.4.3颜色恒常性融合算法25
2.4.4颜色不变性描述27
2.5颜色恒常性计算实验数据集32
2.6光照估计的性能评价标准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
3.2.3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与其他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.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线性MC和核化MC的比较69
3.7本章小结72
参考文献72
第4章基于纹理相似性的自然图像的颜色恒常性计算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性算法融合74
4.2.2存在的问题76
4.3基于纹理相似性的自然图像的颜色恒常性计算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性算法融合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交验证实验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
5.2.3引导式融合89
5.3单一颜色恒常性算法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时间性能比较110
5.6实验结果分析111
5.6.1一致性分析111
5.6.2UC与SC算法的比较111
5.6.3SC和GC算法的比较113
5.IGC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算法进行融合的性能比较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123
6.1引言123
6.2相关工作介绍124
6.3存在的问题126
基于亮度感知理论的HDR场景再现算法126
.1HVS亮度感知理论126
.2基于“双锚”理论的色调映算法127
.3对比度增强132
.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性能分析与比较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PDTDFB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
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
9.2.3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
|
| 內容試閱：
|
人类视听觉系统可以直接感知与视听觉认知密切相关的图像、语音和文本(语言)信息，但计算机的处理能力远逊于人类视听觉系统，处理效率远不能满足当今社会的发展需求。在图像理解领域，如何借鉴人类的认知机理和数学领域中相关的研究成果，建立新的计算模型和方法，从而大幅度提高计算机对此类信息的理解能力与处理效率，已经成为新的研究热点。
近些年，计算机视觉领域中兴起了Computational Photography(计算摄影学)的研究方向，其宗旨是克服成像和显示设备的局限性，用计算技术为视觉世界生成内容丰富、逼真的图像，使其符合人类视觉系统对客观世界的感知。这是一个交叉性很强的研究领域，涉及计算机图形学、计算机视觉、图像处理、视觉感知、光学和传统摄影等技术。在数字图像成像过程中，真实场景、人类视觉系统和显示设备等都具有不同的亮度级别。亮度级别可以用动态范围定义，即图像的亮度与小亮度之比。人类视觉系统和真实场景所具有的亮度动态范围要远远大于显示设备的动态范围。近年来，随着数字摄影和计算机软硬件技术的深入发展，人们在获取HDR场景信息方面已经取得了很大的进步，可以通过专用相机或者软件合成算法生成HDR图像。但是，现有的通用显示设备仅能显示约两个数量级动态范围的亮度，这一状况由于受到硬件成本的制约，短时期内难以改变。由于人们在日常生活和工作中也对高质量的图像有强烈的需求，如照片编辑、便携设备的高质量成像、医用图像增强等，因此可以通过对多曝光图像序列进行融合（即多曝光图像融合）获取细节信息丰富的高质量图像。多曝光图像融合的终目标是使人类从结果图像获得的感知和其置身于真实环境中一样。经过处理后得到的结果图像不仅有助于人眼对场景的辨识，而且对边缘检测、图像分割、图像锐化等数字图像后续处理和计算机视觉系统研究也具有积极意义，所以，多曝光图像融合已经成为计算机视觉领域的一个研究热点。
此外，如何消除光照对颜色中色度的影响，得到一种与光照无关的颜色描述子也是计算机视觉领域的研究热点之一。如果能够真正实现计算机视觉的颜色恒常性功能，则将会给计算机视觉系统带来质的飞跃。颜色恒常性计算的目的是将未知光照条件下的图像矫正为标准白光下的图像。目前，颜色恒常性计算的部分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，颜色恒常性的部分研究成果也已经应用到人们的日常生活中，人们日常使用的数字摄像机的“自动白平衡”功能就是颜色恒常性算法的一个典型应用。
计算摄影学涵盖众多的研究主题，IEEE Computer Graphics & Application学术期刊曾以专刊形式刊登了计算摄影学方面的论文。自2009年起，国际上每年都以计算摄影学为主题召开IEEE International Conference on Computational Photography学术会议。一些国内外期刊都刊登过该领域的论文。另外，计算机视觉领域的著名国际会议，如ACM SIGGRAPH、ICCV、CVPR、ECCV等均发表过该领域的研究成果。简言之，目前已有越来越多的研究机构和科研工作者投入计算摄影学的研究工作中，该领域的研究方兴未艾、日趋蓬勃。
本书共10章，王金华负责第1、2、6、7、8、9、10章(约19.2万字)的编写和全书的统稿工作，李兵负责第3、4、5章的编写工作。除第1章外，其余章节的安排如下。
〖4〗计算机视觉中的颜色感知〖2〗前言〖4〗第2章梳理颜色恒常性计算模型，对现有算法进行分类介绍，包括无监督颜色恒常性计算、有监督颜色恒常性计算、颜色恒常性融合算法、颜色不变性描述，后对颜色恒常性计算常用的数据集和评价指标进行详细介绍。
第3章介绍一种基于树结构联合稀疏表示的多线索光照估计框架TGJSR。该框架同时结合低、中、高三个层次的线索所提供的信息进行光照估计。实验表明，它具有较好的性能。作为一个通用框架，TGJSR还可以很容易地进行扩展。
第4章介绍一种基于纹理相似性的自然图像的颜色恒常性算法。利用威布尔分布的参数描述自然图像的纹理特性，根据纹理相似性为图像在训练库中找到相似的参考图像。参考图像的算法为该图像选取合适的颜色恒常性算法或者算法组合。通过实验结果对算法的性能进行验证。
第5章对自然场景光照估计融合算法进行系统评价。首先对现有的单一颜色恒常性算法和融合算法的基础假设进行分类介绍；然后使用4种不同的误差度量方法对3个图像集上的融合算法进行全面的分析和比较。
第6章介绍基于亮度感知理论的HDR场景再现算法。本章在梳理现有的一些基于人类视觉系统的色调映射算法后，对现有算法的优缺点进行深入分析，并针对现有算法存在的问题提出一种基于双锚亮度感知理论的色调映射算法，通过大量的实验和分析对算法的性能进行验证。
第7章介绍一种基于稀疏表示和可平移复方向金字塔变换的多曝光融合算法。通过多尺度分解得到的低频图像近似模拟原始图像，并利用“原子利用率”设计一种融合规则，实现稀疏表示理论框架的低频信息融合处理。对于高频图像，利用像素的邻域信息作为衡量标准的融合策略，可以获取更多的图像边缘和纹理信息。
第8章介绍一种基于深度学习框架下的多曝光图像融合算法，利用卷积神经网络实现一种端到端的多曝光图像融合。卷积神经网络的输入是多幅具有不同曝光度的图像序列，经过网络直接得到一幅高质量的融合结果图像。通过网络训练过程能够得到不同曝光度的图像和真实场景图像（标准光照）之间的映射关系。后通过主观和客观的实验比较验证本算法的性能。
第9章介绍一种基于生成对抗网络的多曝光图像融合框架。在该框架中，生成的网络结构采用递归残差网络，目的是在不损失融合结果图像质量的前提下，构建参数更少、计算复杂度更低、网络结构更紧凑的模型结构，使多曝光图像融合算法能够在实际生活中得到更好的应用。实验将对比和分析多种残差网络作为生成网络对融合结果的影响。
第10章对本书中的研究内容和成果进行总结，并对未来需要继续开展的工作做出展望。
在本书的撰写过程中，北京联合大学智慧城市学院的何宁教授对大部分书稿进行了审校，并提出了很多宝贵意见，作者在此表示衷心的感谢。后，感谢国家自然科学基金项目(61572077，61872042，61871039，U1803119，U1936204)、北京市*科技计划项目(KM202111417009、CIT&TCD 201704069)、北京市自然科学基金杰出青年基金项目（JQ18018）、北京市自然科学基金委和北京市*联合重点项目(KZ201911417048)、北京联合大学人才强校优选计划（BPHR2020AZ01）、北京联合大学科研项目（ZK50202001）资助以及中国科学院青年促进会项目（2017174）对本书的资助。
作者编写本书的目的是希望和同领域的研究者分享研究成果，为我国的“视听觉信息认知计算”工作贡献绵薄之力。作者才疏学浅，书中难免存在不严谨、不准确之处，敬请读者不吝指教。
王金华2021年1月于北京联合大学智慧城市学院
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
