去雾霾算法的研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景和意义 | 第10页 |
| 1.2 去雾霾算法的国内外研究现状 | 第10-14页 |
| 1.2.1 基于图像增强的去雾霾算法 | 第11-12页 |
| 1.2.2 基于图像复原的去雾霾算法 | 第12-14页 |
| 1.3 本文研究内容和组织结构 | 第14-15页 |
| 第2章 常用去雾霾算法 | 第15-29页 |
| 2.1 直方图均衡化算法 | 第15-18页 |
| 2.1.1 全局直方图均衡化 | 第15-17页 |
| 2.1.2 局部直方图均衡化 | 第17-18页 |
| 2.2 Retinex算法 | 第18-21页 |
| 2.2.1 单尺度的Retinex算法 | 第19-20页 |
| 2.2.2 多尺度的Retinex算法 | 第20-21页 |
| 2.3 Fattal算法 | 第21-28页 |
| 2.3.1 大气散射模型 | 第21-23页 |
| 2.3.2 Fattal算法原理 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于稀疏表示的图像去雾霾算法 | 第29-45页 |
| 3.1 稀疏表示 | 第29-34页 |
| 3.1.1 稀疏分解 | 第29-32页 |
| 3.1.2 字典学习算法 | 第32-34页 |
| 3.2 稀疏分解去霾基本思想 | 第34-36页 |
| 3.3 联合稀疏表示和暗通道的去雾霾算法 | 第36-40页 |
| 3.3.1 暗通道先验原理 | 第36-38页 |
| 3.3.2 透射率和大气光的估计值 | 第38-40页 |
| 3.4 复原无雾霾图像 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 去雾霾算法在基于ios的双向视频中的应用 | 第45-70页 |
| 4.1 双向视频软件的总体实现 | 第45-48页 |
| 4.1.1 系统架构概述 | 第45-46页 |
| 4.1.2 软件的总体设计 | 第46-48页 |
| 4.2 ios平台上双向视频软件各功能模块的实现 | 第48-62页 |
| 4.2.1 视频信令通信模块 | 第48-51页 |
| 4.2.2 视频数据采集模块 | 第51-52页 |
| 4.2.3 视频数据编解码模块 | 第52-57页 |
| 4.2.4 视频数据传输模块 | 第57-60页 |
| 4.2.5 视频数据播放模块 | 第60-62页 |
| 4.3 视频数据的去雾霾模块 | 第62-69页 |
| 4.3.1 去雾霾模块在实时性上的改进 | 第63-66页 |
| 4.3.2 应用中的实现 | 第66-68页 |
| 4.3.4 软件功能测试 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |
