| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外夜晚图像增强研究现状 | 第9-11页 |
| 1.2.1 基于非物理模型夜晚图像增强方法 | 第10-11页 |
| 1.2.2 基于物理模型夜晚图像增强方法 | 第11页 |
| 1.3 国内外夜晚图像去噪研究现状 | 第11-12页 |
| 1.4 本文的研究内容及结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 传统图像增强技术 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 常见的夜晚图像增强算法 | 第14-24页 |
| 2.2.1 基于灰度变换的方法 | 第14-19页 |
| 2.2.2 直方图均衡化 | 第19-21页 |
| 2.2.3 基于 Retinex 理论的图像增强方法 | 第21-24页 |
| 2.3 图像增强质量评价指标 | 第24-26页 |
| 2.3.1 主观评价 | 第24页 |
| 2.3.2 客观评价 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 传统图像去噪技术 | 第27-36页 |
| 3.1 夜晚图像主要噪声来源 | 第27-29页 |
| 3.1.1 暗电流噪声 | 第27页 |
| 3.1.2 脉冲噪声 | 第27-28页 |
| 3.1.3 高斯噪声 | 第28页 |
| 3.1.4 泊松分布噪声 | 第28-29页 |
| 3.2 传统图像去噪 | 第29-35页 |
| 3.2.1 空间域去噪方法 | 第29-31页 |
| 3.2.2 频域去噪方法 | 第31-33页 |
| 3.2.3 基于小波变换图像去噪 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于暗原色先验的低照度视频快速增强算法 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 现有基于暗原色先验的去雾算法 | 第36-44页 |
| 4.2.1 大气散射模型 | 第36-38页 |
| 4.2.2 基于暗原色先验的去雾增强算法 | 第38-40页 |
| 4.2.3 细化透射率的优化算法 | 第40-44页 |
| 4.3 现有“基于暗原色的低照度视频图像增强” | 第44-45页 |
| 4.4 本文所提方法 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-49页 |
| 4.5.1 本文算法处理结果及主观评价准则 | 第47-48页 |
| 4.5.2 本文算法客观评价准则 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于暗原色先验低照度视频增强算法的 CUDA 实现 | 第50-63页 |
| 5.1 引言 | 第50页 |
| 5.2 图形处理器（Graphics Processing Unit, GPU） | 第50-51页 |
| 5.3 CUDA 技术 | 第51-56页 |
| 5.3.1 CUDA 架构的产生 | 第51-52页 |
| 5.3.2 CUDA 编程模型 | 第52-56页 |
| 5.4 利用 CUDA 进行图像处理的基本过程 | 第56-58页 |
| 5.4.1 利用 GPU 进行加速优化处理的条件 | 第56页 |
| 5.4.2 基于 CUDA 的图像处理流程 | 第56-58页 |
| 5.5 基于暗原色先验低照度视频快速增强算法的 CUDA 实现 | 第58-62页 |
| 5.5.1 计算暗原色 | 第58-60页 |
| 5.5.2 求解大气光强度 | 第60页 |
| 5.5.3 估计粗略透射率 | 第60-61页 |
| 5.5.4 细化透射率 | 第61页 |
| 5.5.5 去雾 | 第61页 |
| 5.5.6 CUDA 加速性能实验分析 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结和展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70页 |
