| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第10-16页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 论文主要研工作 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究方法 | 第13-14页 |
| 1.3.3 论文组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 低质量图像及增强类比算法研究 | 第16-34页 |
| 2.1 基于天气状况的低质量交通图像 | 第16-19页 |
| 2.1.1 雾霾天气下的公路交通图像 | 第16-17页 |
| 2.1.2 雨天公路交通图像 | 第17-18页 |
| 2.1.3 沙尘暴公路交通图像 | 第18-19页 |
| 2.2 大气散射理论 | 第19-22页 |
| 2.2.1 大气散射模型 | 第19-20页 |
| 2.2.2 衰减模型 | 第20页 |
| 2.2.3 大气光模型 | 第20-21页 |
| 2.2.4 雾天退化模型 | 第21-22页 |
| 2.3 低质量图像增强类比算法研究 | 第22-33页 |
| 2.3.1 灰度变换方法 | 第22-23页 |
| 2.3.2 同态滤波增强方法 | 第23-24页 |
| 2.3.3 分数阶微分图像增强算法 | 第24-27页 |
| 2.3.4 基于暗通道算法改进的低质量图像增强方法 | 第27-30页 |
| 2.3.5 基于直方图均衡化改进的低质量图像增强方法 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于后小波与MSR改进的低质量公路交通图像处理 | 第34-52页 |
| 3.1 小波变换 | 第34-41页 |
| 3.1.1 传统小波变换 | 第34-36页 |
| 3.1.2 图像的小波分解 | 第36-38页 |
| 3.1.3 后小波变换及分类 | 第38-41页 |
| 3.2 Contourlet增强算法 | 第41-45页 |
| 3.2.1 拉普拉斯塔式分解 | 第41-42页 |
| 3.2.2 二维方向滤波器组分解 | 第42-43页 |
| 3.2.3 阈值函数的选取 | 第43-45页 |
| 3.3 基于Retinex方法的低质量图像增强 | 第45-47页 |
| 3.3.1 单尺度算法SSR | 第46页 |
| 3.3.2 多尺度算法MSR | 第46-47页 |
| 3.4 改进算法的低质量交通图像增强 | 第47-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 基于引导滤波的改进算法 | 第52-63页 |
| 4.1 Contourlet的分解系数及非线性逼近 | 第52-53页 |
| 4.2 基于引导滤波的改进算法 | 第53-55页 |
| 4.2.1 引导滤波算子 | 第54页 |
| 4.2.2 低频低质量图像增强 | 第54-55页 |
| 4.2.3 高频低质量图像增强 | 第55页 |
| 4.3 改进的低质量公路图像处理结果 | 第55-58页 |
| 4.3.1 低质量雾霾图像处理结果 | 第55-56页 |
| 4.3.2 低质量雨天图像处理结果 | 第56-57页 |
| 4.3.3 低质量沙尘暴图像处理结果 | 第57-58页 |
| 4.4 低质量公路交通图像增强结果对比分析 | 第58-62页 |
| 4.4.1 低质量图像增强客观质量评价参数 | 第59-60页 |
| 4.4.2 低质量公路交通图像增强横向对比分析 | 第60-61页 |
| 4.4.3 低质量图像增强评价参数纵向对比分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间科研经历和科研成果 | 第69-70页 |
| 致谢 | 第70页 |
