目    录

第1章　引言 1

1.1　从基础到应用 1

1.2　第1部分：彩色基础 2

1.3　第2部分：光度不变性 2

1.3.1　基于物理性质的

不变性 3

1.3.2　基于机器学习的

不变性 3

1.4　第3部分：彩色恒常性 3

1.5　第4部分：彩色特征提取 3

1.5.1　从亮度到彩色 4

1.5.2　特征、描述符和

显著性 4

1.5.3　分割 4

1.6　第5部分：应用 5

1.6.1　检索和视觉探索 5

1.6.2　彩色命名 6

1.6.3　多光谱应用 6

1.7　本章小结 6

第1部分  彩色基础

第2章　彩色视觉 9

2.1　引言 9

2.2　彩色信息处理步骤 9

2.2.1　眼睛和光学 9

2.2.2　视网膜：杆状细胞和

锥状细胞 9

2.2.3　神经节细胞和感受野 11

2.2.4　外侧膝状核和视觉

皮层 11

2.3　视觉系统的色度特性 12

2.3.1　色度适应 12

2.3.2　人类彩色恒常性 12

2.3.3　空间相互作用 14

2.3.4　色度辨别和色觉障碍 15

2.4　本章小结 17

第3章　彩色成像 18

3.1　朗伯反射模型 19

3.2　双色反射模型 20

3.3　库贝卡·蒙克模型 21

3.4　对角模型 23

3.5　彩色空间 24

3.5.1　XYZ系统 24

3.5.2　RGB系统 26

3.5.3　对立彩色空间 27

3.5.4　感知均匀彩色空间 28

3.5.5　直观彩色模型 29

3.6　本章小结 31

第2部分  光度不变性

第4章　基于像素的光度不变性 35

4.1　归一化彩色空间 35

4.2　对立彩色空间 37

4.3　HSV彩色空间 37

4.4　合成彩色空间 38

4.4.1　体反射率不变性 38

4.4.2　体和表面反射率

不变性 39

4.5　噪声稳定性和直方图构建 41

4.5.1　噪声扩散 42

4.5.2　通过变换的彩色扩散

噪声示例 42

4.5.3　使用可变核密度构建

直方图 44

4.6　应用：基于彩色的目标识别 45

4.6.1　数据集合性能测量 45

4.6.2　抗噪声的鲁棒性：

模拟数据 46

4.7　本章小结 49

第5章　彩色比率的光度不变性 50

5.1　光源不变彩色比率 51

5.2　光源不变边缘检测 53

5.3　模糊鲁棒和彩色恒常图像

描述 54

5.4　应用：基于彩色比率的图像

检索 55

5.4.1　光源彩色的鲁棒性 56

5.4.2　高斯模糊的鲁棒性 56

5.4.3　真实世界模糊效果的

鲁棒性 57

5.5　本章小结 58

第6章　基于导数的光度不变性 59

6.1　完全光度不变量 61

6.1.1　高斯彩色模型 61

6.1.2　RGB相机的高斯彩色

模型 63

6.1.3　高斯彩色模型的导数 64

6.1.4　朗伯反射模型的微分

不变量 65

6.1.5　双色反射模型的微分

不变量 68

6.1.6　完全彩色不变量小结 71

6.1.7　二维中的几何彩色

不变量 71

6.2　准不变量 72

6.2.1　双色反射模型中的

边缘 72

6.2.2　光度变量和准不变量 74

6.2.3　准不变量与完全不变

量的联系 75

6.2.4　完全不变量和准不变

量的局部化和鉴别

能力 78

6.3　本章小结 80

第7章　基于机器学习的光度不变性 81

7.1　从多样化的集合中学习 81

7.2　时域集合学习 85

7.3　为区域检测学习彩色不变量 85

7.4　实验 88

7.4.1　误差测度 88

7.4.2　皮肤检测：静止图像 89

7.4.3　视频中的道路检测 92

7.5　本章小结 96

第3部分  彩色恒常性

第8章　光源估计和色彩适应 99

8.1　光源估计 100

8.2　色彩适应 101

第9章　使用低层特征的彩色恒常性 103

9.1　通用灰色世界 103

9.2　灰色边缘 105

9.3　基于物理的方法 108

9.4　本章小结 108

第10章　使用色域方法的彩色

恒常性 109

10.1　使用导数结构的色域映射 111

10.1.1　对角偏移模型 111

10.1.2　像素值线性组合的

色域映射 111

10.1.3　N-jet色域 112

10.2　色域映射算法的组合 113

10.2.1　组合可行集 114

10.2.2　组合算法输出 114

10.3　本章小结 114

第11章　基于机器学习的彩色

恒常性 115

11.1　概率方法 115

11.2　使用输出统计的组合 115

11.3　使用自然图像统计的组合 116

11.3.1　空间图像结构 116

11.3.2　算法选择 118

11.4　使用语义信息的方法 119

11.4.1　使用场景类别 119

11.4.2　使用高层视觉

信息 120

11.5　本章小结 122

第12章　彩色恒常性方法的评价 123

12.1　数据集 123

12.1.1　高光谱数据 123

12.1.2　RGB数据 123

12.1.3　小结 124

12.2　性能评估 125

12.2.1　数学距离 125

12.2.2　感知距离 126

12.2.3　彩色恒常性距离 126

12.2.4　感知分析 126

12.3　实验 128

12.3.1　比较算法性能 129

12.3.2　评价 129

12.4　本章小结 132

第4部分  彩色特征提取

第13章　彩色特征检测 137

13.1　彩色张量 138

13.1.1　光度不变导数 140

13.1.2　彩色坐标变换的

不变性 141

13.1.3　鲁棒的完全光度

不变性 142

13.1.4　基于彩色张量

的特征 143

13.1.5　实验：鲁棒特征点

检测和提取 148

13.2　彩色显著性 149

13.2.1　彩色独特性 150

13.2.2　基于物理的

去相关 151

13.2.3　彩色图像的统计 153

13.2.4　提升彩色显著性 154

13.2.5　彩色独特性的

评估 155

13.2.6　重复性 156

13.2.7　通用性说明 158

13.3　本章小结 159

第14章　彩色特征描述 161

14.1　基于高斯导数的描述符 163

14.2　鉴别力 166

14.3　不变性层次 170

14.4　信息内容 171

14.4.1　实验结果 173

14.5　本章小结 173

第15章　彩色图像分割 174

15.1　彩色盖伯滤波 174

15.2　朗伯反射下的不变盖伯

滤波器 176

15.3　基于彩色的纹理分割 176

15.4　使用不变各向异性滤波

的材料识别 179

15.4.1　MR8-NC滤波

器组 181

15.4.2　MR8-INC滤波

器组 181

15.4.3　MR8-LINC滤波

器组 182

15.4.4　MR8-SLINC滤波

器组 182

15.4.5　滤波器组特性

小结 182

15.5　彩色不变码本和特定材料

的适应 183

15.6　实验 184

15.6.1　使用彩色不变码本

的材料分类 184

15.6.2　材料图像的彩色-

纹理分割 185

15.6.3　使用自适应彩色不

变量码本的材料

分类 186

15.7　基于德劳内三角剖分的

图像分割 188

15.7.1　基于光度彩色不变

性的同质性 188

15.7.2　基于相似谓词的

同质性 189

15.7.3　差异测度 189

15.7.4　分割结果 190

15.8　本章小结 191

第5部分  应用

第16章　目标和场景识别 195

16.1　对角模型 195

16.2　彩色SIFT描述符 196

16.3　目标和场景识别 198

16.3.1　特征提取流水线 198

16.3.2　分类 199

16.3.3　图像基准：PASCAL

视觉目标类挑战 199

16.3.4　视频基准：Mediamill

挑战 200

16.3.5　评价准则 200

16.4　结果 201

16.4.1　图像基准：PASCAL 

VOC挑战 201

16.4.2　视频基准：Mediamill

挑战 202

16.4.3　比较 203

16.5　本章小结 205

第17章　彩色命名 206

17.1　基本彩色术语 206

17.2　源自校准数据的彩色

名称 209

17.2.1　模糊彩色命名 210

17.2.2　彩色类别 211

17.2.3　无色类别 214

17.2.4　模糊集估计 215

17.3　源自未校准数据的彩色

名称 219

17.3.1　彩色名称数据集 220

17.3.2　学习彩色名称 220

17.3.3　赋彩色名称到测试

图像 224

17.3.4　灵活性彩色名称

数据集 224

17.4　实验结果 225

17.5　本章小结 228

第18章　多光谱图像分割 229

18.1　反射和相机模型 229

18.1.1　多光谱成像 229

18.1.2　相机和成像模型 229

18.1.3　白平衡 230

18.2　光度不变距离测度 231

18.2.1　色度极角间的

距离 231

18.2.2　色调极角间的

距离 232

18.2.3　讨论 234

18.3　误差扩散 234

18.3.1　源自光子噪声的

不确定性扩散 234

18.3.2　不确定性的扩散 235

18.4　基于聚类的光度不变区域

检测 236

18.4.1　鲁棒K-均值聚类 236

18.4.2　光度不变分割 237

18.5　实验 238

18.5.1　不确定性在变换

频谱中的扩散 238

18.5.2　光度不变聚类 241

18.6　本章小结 244

引用指南 245

参考文献 247

索引 264

X

彩色计算机视觉：基础与应用

IX

目    录