彩色计算机视觉:基础与应用

第1章 引言
1．1 从基础到应用
1．2 第1部分：彩色基础
1．3 第2部分：光度不变性
1．3．1 基于物理性质的不变性
1．3．2 基于机器学习的不变性
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 从亮度到彩色
1．5．2 特征、描述符和显著性
1．5．3 分割
1．6 第5部分：应用
1．6．1 检索和视觉探索
1．6．2 彩色命名
1．6．3 多光谱应用
1．7 本章小结

第1部分 彩色基础
第2章 彩色视觉
2．1 引言
2．2 彩色信息处理步骤
2．2．1 眼睛和光学
2．2．2 视网膜：杆状细胞和锥状细胞
2．2．3 神经节细胞和感受野
2．2．4 外侧膝状核和视觉皮层
2．3 视觉系统的色度特性
2．3．1 色度适应
2．3．2 人类彩色恒常性
2．3．3 空间相互作用
2．3．4 色度辨别和色觉障碍
2．4 本章小结
第3章 彩色成像
3．1 朗伯反射模型
3．2 双色反射模型
3．3 库贝卡·蒙克模型
3．4 对角模型
3．5 彩色空间
3．5．1 XYZ系统
3．5．2 RGB系统
3．5．3 对立彩色空间
3．5．4 感知均匀彩色空间
3．5．5 直观彩色模型
3．6 本章小结

第2部分 光度不变性
第4章 基于像素的光度不变性
4．1 归一化彩色空间
4．2 对立彩色空间
4．3 HSV彩色空间
4．4 合成彩色空间
4．4．1 体反射率不变性
4．4．2 体和表面反射率不变性
4．5 噪声稳定性和直方图构建
4．5．1 噪声扩散
4．5．2 通过变换的彩色扩散噪声示例
4．5．3 使用可变核密度构建直方图
4．6 应用：基于彩色的目标识别
4．6．1 数据集合性能测量
4．6．2 抗噪声的鲁棒性：模拟数据
4．7 本章小结
第5章 彩色比率的光度不变性
5．1 光源不变彩色比率
5．2 光源不变边缘检测
5．3 模糊鲁棒和彩色恒常图像描述
5．4 应用：基于彩色比率的图像检索
5．4．1 光源彩色的鲁棒性
5．4．2 高斯模糊的鲁棒性
5．4．3 真实世界模糊效果的鲁棒性
5．5 本章小结
第6章 基于导数的光度不变性
6．1 完全光度不变量
6．1．1 高斯彩色模型
6．1．2 RGB相机的高斯彩色模型
6．1．3 高斯彩色模型的导数
6．1．4 朗伯反射模型的微分不变量
6．1．5 双色反射模型的微分不变量
6．1．6 完全彩色不变量小结
6．1．7 二维中的几何彩色不变量
6．2 准不变量
6．2．1 双色反射模型中的边缘
6．2．2 光度变量和准不变量
6．2．3 准不变量与完全不变量的联系
6．2．4 完全不变量和准不变量的局部化和鉴别能力
6．3 本章小结
第7章 基于机器学习的光度不变性
7．1 从多样化的集合中学习
7．2 时域集合学习
7．3 为区域检测学习彩色不变量
7．4 实验
7．4．1 误差测度
7．4．2 皮肤检测：静止图像
7．4．3 视频中的道路检测
7．5 本章小结

第3部分 彩色恒常性
第8章 光源估计和色彩适应
8．1 光源估计
8．2 色彩适应
第9章 使用低层特征的彩色恒常性
9．1 通用灰色世界
9．2 灰色边缘
9．3 基于物理的方法
9．4 本章小结
第10章 使用色域方法的彩色恒常性
10．1 使用导数结构的色域映射
10．1．1 对角偏移模型
10．1．2 像素值线性组合的色域映射
10．1．3 N-jet色域
10．2 色域映射算法的组合
10．2．1 组合可行集
10．2．2 组合算法输出
10．3 本章小结
第11章 基于机器学习的彩色恒常性
11．1 概率方法
11．2 使用输出统计的组合
11．3 使用自然图像统计的组合
11．3．1 空间图像结构
11．3．2 算法选择
11．4 使用语义信息的方法
11．4．1 使用场景类别
11．4．2 使用高层视觉信息
11．5 本章小结
……
第4部分 彩色特征提取
第5部分 应用
引用指南
参考文献
索引