Color Constancy (Hardcover)
暫譯: 顏色恆常性 (精裝版)
Marc Ebner
- 出版商: Wiley
- 出版日期: 2007-06-01
- 售價: $6,270
- 貴賓價: 9.5 折 $5,957
- 語言: 英文
- 頁數: 408
- 裝訂: Hardcover
- ISBN: 0470058293
- ISBN-13: 9780470058299
已絕版
買這商品的人也買了...
-
深入淺出設計模式 (Head First Design Patterns)$880$695 -
$990Multidimensional Signal, Image, and Video Processing and Coding -
ASP.NET 2.0 深度剖析範例集$650$507 -
SQL 語法範例辭典$550$435 -
Microsoft Office SharePoint Server 2007 新一代企業 Web 解決方案(第一集)$690$587 -
Linux 驅動程式, 3/e (Linux Device Drivers, 3/e)$980$774 -
聖殿祭司的 ASP.NET 2.0 專家技術手冊─使用 C#, 2/e$720$569 -
我的影音部落格$320$253 -
$1,928Color, 5/e -
精通 Shell Scripting (Classic Shell Scripting)$620$490 -
互動設計：跨越人－電腦互動(Interaction Design Beyond Human-computer interaction)$700$630 -
寫給 SA 的 UML/MDA 實務手冊$350$298 -
深入淺出物件導向分析與設計 (Head First Object-Oriented Analysis and Design)$880$695 -
C++ Primer, 4/e (中文版)$990$891 -
ASP.NET AJAX 應用剖析立即上手$580$452 -
軟體測試實務講座─來自矽谷的技術經驗與心得分享$290$226 -
現代嵌入式系統開發專案實務－菜鳥成長日誌與專案經理的私房菜$600$480 -
Embedded Linux 開發實務徹底研究 (Embedded Linux Primer: A Practical Real-World Approach)$720$569 -
CCNA 認證教戰手冊 (CCNA: Cisco Certified Network Associate Study Guide (Exam 640-802), 6/e)$1,180$932 -
多媒體工具百寶箱$450$356 -
程式之美－微軟技術面試心得$490$417 -
重構─改善既有程式的設計, 2/e (Refactoring: Improving The Design of Existing Code)$800$632 -
程式設計師的自我修養－連結、載入、程式庫$580$458 -
深入淺出 Android 系統原理及開發要點$450$351 -
Debug Hacks 除錯駭客 -- 極致除錯的技巧與工具$580$458
相關主題
商品描述
Table of ContentsA human observer is able to recognize the color of objects irrespective of the light used to illuminate them. This is called color constancy. A digital camera uses a sensor to measure the reflected light, meaning that the measured color at each pixel varies according to the color of the illuminant. Therefore, the resulting colors may not be the same as the colors that were perceived by the observer. Obtaining color constant descriptors from image pixels is not only important for digital photography, but also valuable for computer vision, color-based automatic object recognition, and color image processing in general.This book provides a comprehensive introduction to the field of color constancy, describing all the major color constancy algorithms, as well as presenting cutting edge research in the area of color image processing. Beginning with an in-depth look at the human visual system, Ebner goes on to:
- examine the theory of color image formation, color reproduction and different color spaces;
- discuss algorithms for color constancy under both uniform and non-uniform illuminants;
- describe methods for shadow removal and shadow attenuation in digital images;
- evaluate the various algorithms for object recognition and color constancy and compare this to data obtained from experimental psychology;
- set out the different algorithms as pseudo code in an appendix at the end of the book.
Color Constancy is an ideal reference for practising engineers, computer scientists and researchers working in the area of digital color image processing. It may also be useful for biologists or scientists in general who are interested in computational theories of the visual brain and bio-inspired engineering systems.
Series Preface.Preface..
1 Introduction.
1.1 What is Color Constancy?
1.2 Classic Experiments.
1.3 Overview.
2 The Visual System.
2.1 Eye and Retina.
2.2 Visual Cortex.
2.3 On the Function of the Color Opponent Cells.
2.4 Lightness.
2.5 Color Perception Correlates with Integrated Reflectances.
2.6 Involvement of the Visual Cortex in Color Constancy.
3 Theory of Color Image Formation.
3.1 Analog Photography.
3.2 Digital Photography.
3.3 Theory of Radiometry.
3.4 Reflectance Models.
3.5 Illuminants.
3.6 Sensor Response.
3.7 Finite Set of Basis Functions.
4 Color Reproduction.
4.1 Additive and Subtractive Color Generation.
4.2 Color Gamut.
4.3 Computing Primary Intensities.
4.4 CIE XYZ Color Space.
4.5 Gamma Correction.
4.6 Von Kries Coefficients and Sensor Sharpening.
5 Color Spaces.
5.1 RGB Color Space.
5.2 sRGB.
5.3 CIE L*u*v*Color Space.
5.4 CIE L*a*b*Color Space.
5.5 CMY Color Space.
5.6 HSI Color Space.
5.7 HSV Color Space.
5.8 Analog and Digital Video Color Spaces.
6 Algorithms for Color Constancy under Uniform Illumination.
6.1 White Patch Retinex.
6.2 The Gray World Assumption.
6.3 Variant of Hornâ ™s Algorithm.
6.4 Gamut-constraint Methods.
6.5 Color in Perspective.
6.6 Color Cluster Rotation.
6.7 Comprehensive Color Normalization.
6.8 Color Constancy Using a Dichromatic Reflection Model.
7 Algorithms for Color Constancy under Nonuniform Illumination.
7.1 The Retinex Theory of Color Vision.
7.2 Computation of Lightness and Color.
7.3 Hardware Implementation of Landâ ™s Retinex Theory.
7.4 Color Correction on Multiple Scales.
7.5 Homomorphic Filtering.
7.6 Intrinsic Images.
7.7 Reflectance Images from Image Sequences.
7.8 Additional Algorithms.
8 Learning Color Constancy.
8.1 Learning a Linear Filter.
8.2 Learning Color Constancy Using Neural Networks.
8.3 Evolving Color Constancy.
8.4 Analysis of Chromatic Signals.
8.5 Neural Architecture based on Double Opponent Cells.
8.6 Neural Architecture Using Energy Minimization.
9 Shadow Removal and Brightening.
9.1 Shadow Removal Using Intrinsic Images.
9.2 Shadow Brightening.
10 Estimating the Illuminant Locally.
10.1 Local Space Average Color.
10.2 Computing Local Space Average Color on a Grid of Processing Elements.
10.3 Implementation Using a Resistive Grid.
10.4 Experimental Results.
11 Using Local Space Average Color for Color Constancy.
11.1 Scaling Input Values.
11.2 Color Shifts.
11.3 Normalized Color Shifts.
11.4 Adjusting Saturation.
11.5 Combining White Patch Retinex and the Gray World Assumption.
12 Computing Anisotropic Local Space Average Color.
12.1 Nonlinear Change of the Illuminant.
12.2 The Line of Constant Illumination.
12.3 Interpolation Methods.
12.4 Evaluation of Interpolation Methods.
12.5 Curved Line of Constant Illumination.
12.6 Experimental Results.
13 Evaluation of Algorithms.
13.1 Histogram-based Object Recognition.
13.2 Object Recognition under Changing Illumination.
13.3 Evaluation on Object Recognition Tasks.
13.4 Computation of Color Constant Descriptors.
13.5 Comparison to Ground Truth Data.
14 Agreement with Data from Experimental Psychology.
14.1 Perceived Color of Gray Samples When Viewed under Colored Light.
14.2 Theoretical Analysis of Color Constancy Algorithms.
14.3 Theoretical Analysis of Algorithms Based on Local Space Average Color.
14.4 Performance of Algorithms on Simulated Stimuli.
14.5 Detailed Analysis of Color Shifts.
14.6 Theoretical Models for Color Conversion.
14.7 Human Color Constancy.
15 Conclusion.
Appendix A Dirac Delta Function.
Appendix B Units of Radiometry and Photometry.
Appendix C Sample Output from Algorithms.
Appendix D Image Sets.
Appendix E Program Code.
Appendix F Parameter Settings.
Bibliography.
List of Symbols.
Index.
Permissions.
商品描述(中文翻譯)
描述
人類觀察者能夠識別物體的顏色，而不受用來照明的光源影響。這稱為顏色恆常性。數位相機使用感測器來測量反射光，這意味著每個像素測得的顏色會根據光源的顏色而變化。因此，結果顏色可能與觀察者所感知的顏色不同。從影像像素中獲得顏色恆常性描述符不僅對數位攝影很重要，對於計算機視覺、基於顏色的自動物體識別以及一般的顏色影像處理也非常有價值。
本書提供了顏色恆常性領域的全面介紹，描述了所有主要的顏色恆常性演算法，並展示了顏色影像處理領域的前沿研究。從深入探討人類視覺系統開始，Ebner 接著：
- 檢視顏色影像形成、顏色再現及不同顏色空間的理論；
- 討論在均勻和非均勻光源下的顏色恆常性演算法；
- 描述數位影像中的陰影去除和陰影減弱方法；
- 評估各種物體識別和顏色恆常性演算法，並將其與實驗心理學獲得的數據進行比較；
- 在書末的附錄中以偽代碼列出不同的演算法。
《顏色恆常性》是從事數位顏色影像處理的工程師、計算機科學家和研究人員的理想參考書。對於對視覺大腦的計算理論和生物啟發工程系統感興趣的生物學家或科學家來說，也可能會有所幫助。
目錄
系列前言。
前言。
1 介紹。
1.1 什麼是顏色恆常性？
1.2 經典實驗。
1.3 概述。
2 視覺系統。
2.1 眼睛和視網膜。
2.2 視覺皮層。
2.3 顏色對抗細胞的功能。
2.4 明度。
2.5 顏色感知與整合反射率的關聯。
2.6 視覺皮層在顏色恆常性中的參與。
3 顏色影像形成的理論。
3.1 類比攝影。
3.2 數位攝影。
3.3 輻射度理論。
3.4 反射模型。
3.5 照明源。
3.6 感測器響應。
3.7 有限基函數集。
4 顏色再現。
4.1 加法和減法顏色生成。
4.2 顏色範圍。
4.3 計算主要強度。
4.4 CIE XYZ 顏色空間。
4.5 伽瑪校正。
4.6 Von Kries 係數和感測器銳化。
5 顏色空間。
5.1 RGB 顏色空間。
5.2 sRGB。
5.3 CIE L*u*v* 顏色空間。
5.4 CIE L*a*b* 顏色空間。
5.5 CMY 顏色空間。
5.6 HSI 顏色空間。
5.7 HSV 顏色空間。
5.8 類比和數位視頻顏色空間。
6 在均勻照明下的顏色恆常性演算法。
6.1 白色補丁 Retinex。
6.2 灰色世界假設。
6.3 Horn 的演算法變體。
6.4 色域約束方法。
6.5 透視中的顏色。
6.6 顏色聚類旋轉。
6.7 綜合顏色正規化。
6.8 使用二色反射模型的顏色恆常性。
7 在非均勻照明下的顏色恆常性演算法。
7.1 顏色視覺的 Retinex 理論。
7.2 明度和顏色的計算。
7.3 Land 的 Retinex 理論的硬體實現。
7.4 多尺度的顏色校正。
7.5 同態濾波。
7.6 內在影像。
7.7 從影像序列中獲得的反射影像。
7.8 其他演算法。
8 學習顏色恆常性。
8.1 學習線性濾波器。
8.2 使用神經網絡學習顏色恆常性。
8.3 演化顏色恆常性。
8.4 色彩信號分析。
8.5 基於雙對抗細胞的神經架構。
8.6 使用能量最小化的神經架構。
9 陰影去除和亮度增強。
9.1 使用內在影像的陰影去除。
9.2 陰影亮度增強。
10 局部估計照明源。
10.1 局部空間平均顏色。
10.2 在處理元素網格上計算局部空間平均顏色。
10.3 使用電阻網格的實現。
10.4 實驗結果。
11 使用局部空間平均顏色進行顏色恆常性。
11.1 縮放輸入值。
11.2 顏色偏移。
11.3 正規化顏色偏移。
11.4 調整飽和度。
11.5 結合白色補丁 Retinex 和灰色世界假設。
12 計算各向異性局部空間平均顏色。
12.1 照明源的非線性變化。
12.2 恆定照明的線。
12.3 插值方法。
12.4 插值方法的評估。
12.5 恆定照明的曲線。
12.6 實驗結果。
13 演算法評估。
13.1 基於直方圖的物體識別。
13.2 在變化照明下的物體識別。
13.3 物體識別任務的評估。
13.4 顏色恆常性描述符的計算。
13.5 與真實數據的比較。
14 與實驗心理學數據的一致性。
14.1 在彩色光下觀察灰色樣本的感知顏色。
14.2 顏色恆常性演算法的理論分析。
14.3 基於局部空間平均顏色的演算法的理論分析。
14.4 演算法在模擬刺激上的表現。
14.5 顏色偏移的詳細分析。
14.6 顏色轉換的理論模型。
14.7 人類的顏色恆常性。
15 結論。
附錄 A Dirac Delta 函數。
附錄 B 輻射度和光度的單位。
附錄 C 演算法的示例輸出。
附錄 D 影像集。
附錄 E 程式碼。
附錄 F 參數設定。
參考文獻。
符號列表。
索引。
許可。
