| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 图表目录 | 第9-11页 |
| 1 绪论 | 第11-17页 |
| ·图像增强方法的分类 | 第11-12页 |
| ·频域图像增强法 | 第11页 |
| ·空域图像增强法 | 第11-12页 |
| ·研究的背景及意义 | 第12-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的主要内容与框架 | 第15-17页 |
| 2 雾的形成机制及基于去雾模型深度估计 | 第17-29页 |
| ·大气衰减模型 | 第17-20页 |
| ·基于深度估计的图像去雾算法 | 第20-25页 |
| ·背景 | 第21页 |
| ·暗原色先验的理论 | 第21页 |
| ·通过暗原色先验去雾 | 第21-23页 |
| ·深度估计去雾算法的流程图 | 第23页 |
| ·算法的具体步骤 | 第23页 |
| ·增强结果显示 | 第23-25页 |
| ·图像评价指标 | 第25-27页 |
| ·主观评价指标 | 第25-26页 |
| ·客观评价指标 | 第26-27页 |
| ·图像评价结果及分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于全局特征的Retinex图像增强算法 | 第29-36页 |
| ·Retinex基本理论 | 第29-30页 |
| ·基于全局特征的Retinex图像增强算法 | 第30-31页 |
| ·算法理论 | 第30-31页 |
| ·算法具体步骤 | 第31页 |
| ·对像素点相对关系校正的改进 | 第31-32页 |
| ·实验结果及图像评价分析 | 第32-35页 |
| ·实验结果 | 第32-34页 |
| ·图像评价及分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于局部特征的Retinex图像增强算法 | 第36-50页 |
| ·局部Retinex算法 | 第36-37页 |
| ·局部Retinex算法理论 | 第36页 |
| ·局部Retinex算法步骤 | 第36-37页 |
| ·局部Retinex算法分类 | 第37-38页 |
| ·单尺度Retinex算法(SSR) | 第37页 |
| ·多尺度Retinex算法(MSR) | 第37-38页 |
| ·带颜色恢复的多尺度Retinex算法(MSRCR) | 第38页 |
| ·局部Retinex算法的改进 | 第38-43页 |
| ·基于数学形态学的MSR算法 | 第38-40页 |
| ·基于高斯递归滤波的MSRCR算法 | 第40-43页 |
| ·实验结果及图像评价分析 | 第43-49页 |
| ·实验结果 | 第43-46页 |
| ·图像评价及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 雾霾环境中图像增强算法的应用 | 第50-70页 |
| ·图像增强算法在车牌识别方面应用 | 第50-64页 |
| ·车牌识别技术原理及流程图 | 第50-54页 |
| ·雾霾环境中图像增强算法在车牌识别的应用 | 第54-63页 |
| ·结果分析 | 第63-64页 |
| ·航拍图像增强中的应用 | 第64-69页 |
| ·图像增强效果显示 | 第65-66页 |
| ·主观及客观评价指标对比及分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |