| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 非物理模型的图像增强去雾算法 | 第8-10页 |
| 1.2.2 基于物理模型的图像复原去雾算法 | 第10-11页 |
| 1.3 课题研究的重点和难点 | 第11-12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 2 基于暗原色先验的图像去雾算法 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 雾霾天气的成因 | 第14页 |
| 2.3 大气散射模型 | 第14-18页 |
| 2.3.1 入射光衰减模型 | 第15-16页 |
| 2.3.2 大气光成像模型 | 第16-17页 |
| 2.3.3 雾天图像退化模型 | 第17-18页 |
| 2.3.4 散射系数与波长 | 第18页 |
| 2.4 基于暗原色先验的图像去雾算法 | 第18-25页 |
| 2.4.1 暗原色先验模型 | 第18-19页 |
| 2.4.2 大气光值A的估计 | 第19-20页 |
| 2.4.3 雾天图像透射率估计 | 第20页 |
| 2.4.4 图像复原 | 第20-21页 |
| 2.4.5 基于引导滤波的透射率优化 | 第21-23页 |
| 2.4.6 自适应容差法对图像透射率的优化 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于图像增强的去雾算法 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 直方图均衡化 | 第26-27页 |
| 3.3 Retinex图像增强 | 第27-29页 |
| 3.3.1 色彩恒常理论 | 第28页 |
| 3.3.2 Retinex理论 | 第28-29页 |
| 3.4 基于优化对比度增强的图像去雾算法 | 第29-35页 |
| 3.4.1 大气光值A的估计 | 第29-30页 |
| 3.4.2 图像对比度评估方法 | 第30-31页 |
| 3.4.3 复原图象信息丢失度 | 第31-32页 |
| 3.4.4 基于平衡对比度与信息丢失度的透射率估计 | 第32-35页 |
| 3.4.5 图像复原 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 仿真实验与去雾算法评价指标 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 去雾图像质量评价方法 | 第36-39页 |
| 4.2.1 主观评价方法 | 第36页 |
| 4.2.2 客观评价方法 | 第36-38页 |
| 4.2.3 基于可见边对比度增强的评价方法 | 第38-39页 |
| 4.3 仿真实验 | 第39-47页 |
| 4.3.1 实验结果 | 第39-42页 |
| 4.3.2 与经典算法的对比 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 图像去雾在无人机火灾救援中的应用 | 第48-54页 |
| 5.1 引言 | 第48页 |
| 5.2 无人机在火灾救援中的作用 | 第48-49页 |
| 5.3 无人机采集图像的清晰化处理 | 第49-53页 |
| 5.3.1 图像预处理 | 第50-51页 |
| 5.3.2 图像去烟雾 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作的总结 | 第54页 |
| 6.2 对未来的展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-60页 |