多特征融合的阴影检测与光照补偿阴影去除算法研究

目录

声明

第一章绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 阴影检测方法研究现状

1.2.2 阴影去除方法研究现状

1.3 研究内容

1.4 论文章节安排

第二章图像与机器学习模型基础知识

2.1 数字图像基础知识

2.2 颜色及颜色空间说明

2.2.1 颜色的基础知识

2.2.2 不同颜色空间说明

2.3 机器学习模型

2.3.1 多层感知机

2.3.2 自动编码器

2.3.3 支持向量机

2.4 本章小结

第三章图像预处理

3.1 图像增强

3.1.1 图像平滑与图像锐化

3.1.2 导向滤波器保边平滑

3.2 颜色空间转换的实现

3.2.1 RGB到 HSV颜色空间的转换

3.2.2 RGB到 LAB颜色空间的转换

3.2.3 RGB到 ILL颜色空间的转换

3.3 Canny边缘检测算法原理

3.3.1 高斯滤波器图像降噪处理

3.3.2 Sobel算子计算梯度

3.3.3 非极大值抑制

3.3.4 双阈值检测

3.4 本章小结

第四章多特征融合自适应方向跟踪滤波器阴影检测算法研究

4.1 阴影及阴影边缘特征分析

4.2 自适应方向跟踪滤波器阴影检测算法设计

4.2.1 训练方法的设计

4.2.2 检测方法的设计

4.3 自适应方向跟踪滤波器提取特征信息

4.3.1 自适应方向跟踪滤波器算法实现

4.3.2 阴影边缘光学视觉特征的提取

4.3.3 阴影边缘高阶统计特征的提取

4.4 分类模型的设计及训练

4.4.1 多层感知机训练模型设计

4.4.2 自动编码器训练模型设计

4.4.3 支持向量机训练模型设计

4.4.4 CNN训练模型设计

4.5 实验结果对比与分析

4.5.1 比值法评价分类结果

4.5.2 ROC法评价分类结果

4.5.3 阴影边缘检测结果比较

4.6 本章小结

第五章邻近区域匹配与光照补偿阴影去除算法研究

5.1 阴影去除实现流程

5.2 图像分割及阴影区域生长

5.2.1 分水岭算法原理

5.2.2 区域生长法原理

5.2.3 图像分割算法实现

5.3阴影与邻近非阴影区域匹配

5.4 光照补偿算法实现阴影去除

5.4.1 阴影形成模型分析

5.4.2 光照补偿算法原理

5.5 不同算法去除阴影的效果对比

5.6 本章小结

第六章总结与展望

6.1 论文总结

6.2 研究展望

致谢

参考文献

攻读硕士学位期间取得成果