首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

雾天降质图像复原技术研究与GPU实现

摘要第3-4页
Abstract第4-5页
第1章 绪论第9-16页
    1.1 引言第9页
    1.2 研究背景及其意义第9-10页
    1.3 国内外研究现状第10-14页
        1.3.1 基于非模型的图像增强的方法第10-12页
        1.3.2 基于模型的图像复原方法第12-14页
        1.3.3 GPU的国内外现状、应用以及发展趋势第14页
    1.4 论文的主要工作及结构安排第14-16页
        1.4.1 论文的主要工作第14-15页
        1.4.2 论文的结构安排第15-16页
第2章 CUDA架构和暗通道去雾方法第16-33页
    2.1 GPU与CPU对比第16-17页
    2.2 CUDA编程架构介绍第17-21页
        2.2.1 CUDA异构平台硬件模型第17-18页
        2.2.2 CUDA软件编程模型第18-19页
        2.2.3 CUDA存储器结构模型第19-21页
    2.3 大气散射模型第21-25页
        2.3.1 场景反射光衰减模型第21-23页
        2.3.2 大气光衰减成像模型第23-24页
        2.3.3 雾天图像退化模型第24-25页
    2.4 暗原色先验的相关去雾方法第25-32页
        2.4.1 暗原色先验规律第25-27页
        2.4.2 暗原色去雾算法第27-30页
        2.4.3 局限性分析第30-32页
    2.5 本章小结第32-33页
第3章 基于天空区域判别保护的去雾方法第33-49页
    3.1 天空区域判别与分割第33-38页
        3.1.1 大气耗散函数与透射率关系第33页
        3.1.2 基于形态学的大气光值求取第33-35页
        3.1.3 天空区域判别与分割第35-38页
    3.2 天空区域非线性映射修正第38-40页
        3.2.1 天空区域大气耗散函数调整第38-39页
        3.2.2 天空区域边界融合第39-40页
    3.3 结合双指数滤波透射率精细化第40-44页
    3.4 复原图像和亮度调整第44-46页
        3.4.1 复原图像第44页
        3.4.2 对比度保持的亮度调整第44-46页
    3.5 实验结果与分析第46-48页
        3.5.1 图像质量主观评价第46-47页
        3.5.2 基于可见边梯度的客观参数评价第47-48页
    3.6 本章小结第48-49页
第4章 基于大气光幕融合的去雾方法第49-65页
    4.1 大气散射物理模型简化第49-52页
        4.1.1 大气散射物理模型第49-50页
        4.1.2 大气光值求取第50-51页
        4.1.3 基于大气光色彩的白平衡第51-52页
    4.2 基于近远景融合的大气光幕求取第52-55页
        4.2.1 近远景大气光幕特性分析第52-53页
        4.2.2 近远景融合大气光幕初始估计第53-55页
    4.3 基于Lee滤波的大气光幕精细化第55-59页
        4.3.1 Lee滤波第55-58页
        4.3.2 大气光幕精细化第58-59页
    4.4 复原雾天图像和亮度调整第59-61页
        4.4.1 雾天图像复原第59-60页
        4.4.2 自适应亮度调整第60-61页
    4.5 实验结果与分析第61-64页
        4.5.1 图像质量主观评价第61-63页
        4.5.2 图像质量客观评价第63-64页
    4.6 本章小结第64-65页
第5章 基于CUDA去雾算法并行实现第65-79页
    5.1 去雾算法的并行度分析第65-67页
    5.2 去雾方法的基本并行实现第67-72页
        5.2.1 盒子滤波(Box Filter)原理和CUDA实现第67-70页
        5.2.2 Lee滤波的CUDA实现第70-71页
        5.2.3 求取大气光值并行实现第71-72页
        5.2.4 其余模块的并行实现第72页
    5.3 并行优化第72-74页
        5.3.1 盒子滤波的并行优化第73-74页
        5.3.2 核函数合并简化第74页
    5.4 实验结果分析第74-78页
        5.4.1 测试平台第75页
        5.4.2 测试结果与分析第75-78页
    5.5 本章小结第78-79页
第6章 总结和展望第79-81页
    6.1 工作总结第79-80页
    6.2 工作展望第80-81页
参考文献第81-85页
致谢第85-87页
个人简历、在学期间发表的学术论文与研究成果第87页

论文共87页,点击 下载论文
上一篇:基于RSSI的被动WiFi定位研究
下一篇:认知无线电频谱感知性能优化研究