| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 低照度图像增强国内外研究动态 | 第9-15页 |
| 1.2.1 理论研究现状 | 第9-13页 |
| 1.2.2 硬件产品发展现状 | 第13-15页 |
| 1.3 本课题研究内容 | 第15页 |
| 1.4 本文结构组成 | 第15-17页 |
| 第二章 基于时空相似度的聚类噪声去除 | 第17-31页 |
| 2.1 视频图像噪声分析 | 第17-18页 |
| 2.2 经典空域去噪声算法 | 第18-23页 |
| 2.3 时空相似度聚类滤波算法的提出 | 第23-27页 |
| 2.3.1 算法原理及流程 | 第23-24页 |
| 2.3.2 参考像素集判定 | 第24-26页 |
| 2.3.3 参考像素集权重设定 | 第26-27页 |
| 2.4 实验对比与分析 | 第27-30页 |
| 2.4.1 噪声图像质量评价标准 | 第27-28页 |
| 2.4.2 实验对比分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于纹理映射的图像细节增强 | 第31-43页 |
| 3.1 图像纹理提取 | 第31-35页 |
| 3.1.1 微分算子 | 第31-33页 |
| 3.1.2 Canny算子 | 第33-35页 |
| 3.2 图像纹理映射 | 第35-40页 |
| 3.2.1 图像纹理映射算法原理 | 第35-38页 |
| 3.2.2 图像纹理映射算法流程 | 第38-40页 |
| 3.3 实验对比与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 亮度时空分域增强算法 | 第43-51页 |
| 4.1 经典亮度增强算法 | 第43-45页 |
| 4.1.1 Retinex增强 | 第43-44页 |
| 4.1.2 Tone-Mapping增强 | 第44页 |
| 4.1.3 直方图增强 | 第44-45页 |
| 4.2 本文亮度时空分域增强算法的原理及流程 | 第45-49页 |
| 4.2.1 亮度分布范围重分配 | 第45-47页 |
| 4.2.2 亮度映射 | 第47-49页 |
| 4.3 实验对比与分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于时空模型的视频图像增强算法的实现与分析 | 第51-57页 |
| 5.1 基于时空模型的低照度视频图像增强算法的设计与流程 | 第51-52页 |
| 5.2 实验结果与分析 | 第52-56页 |
| 5.2.1 微光视频增强效果对比与分析 | 第53-54页 |
| 5.2.2 低光视频增强效果对比与分析 | 第54-55页 |
| 5.2.3 弱光视频增强效果对比与分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 | 第61-63页 |