图像与视频自适应去雾关键算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-13页 |
| 1.2.1 基于图像处理的增强方法 | 第10-11页 |
| 1.2.2 基于物理模型的复原方法 | 第11-13页 |
| 1.3 论文内容及组织结构 | 第13页 |
| 1.4 本章小节 | 第13-14页 |
| 第2章 图像视频去雾理论基础 | 第14-25页 |
| 2.1 大气散射物理模型 | 第14-16页 |
| 2.2 基于大气散射物理模型的去雾算法 | 第16-22页 |
| 2.2.1 多幅图像去雾 | 第16-18页 |
| 2.2.2 单幅图像去雾 | 第18-22页 |
| 2.3 视频去雾方法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于场景分割和开暗通道的图像去雾算法 | 第25-38页 |
| 3.1 图像场景分割 | 第26-27页 |
| 3.2 开暗通道模型 | 第27-32页 |
| 3.2.1 远景区域修正 | 第28页 |
| 3.2.2 近景区域修正 | 第28-30页 |
| 3.2.3 大气光的估计 | 第30页 |
| 3.2.4 引导滤波 | 第30-31页 |
| 3.2.5 实验结果 | 第31-32页 |
| 3.3 参数分析 | 第32-33页 |
| 3.4 实验比较 | 第33-37页 |
| 3.4.1 视觉主观分析 | 第33-35页 |
| 3.4.2 客观定量比较 | 第35-37页 |
| 3.5 本章小节 | 第37-38页 |
| 第4章 基于多尺度小波分解的图像去雾和去噪算法 | 第38-49页 |
| 4.1 雾的低频先验 | 第39-41页 |
| 4.2 小波与多尺度分析 | 第41-42页 |
| 4.3 低频去雾 | 第42-43页 |
| 4.4 高频去噪和增强 | 第43-46页 |
| 4.4.1 高频去噪 | 第43-44页 |
| 4.4.2 高频增强 | 第44-46页 |
| 4.5 实验比较 | 第46-48页 |
| 4.5.1 视觉主观比较 | 第46-47页 |
| 4.5.2 客观定量比较 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 基于增量模型的时序一致性视频去雾 | 第49-61页 |
| 5.1 帧一致性增量模型 | 第50-53页 |
| 5.2 基于梯度差的联合双边去噪 | 第53-55页 |
| 5.3 实验结果 | 第55-60页 |
| 5.3.1 合成数据集上的比较 | 第55-56页 |
| 5.3.2 真实图像和视频数据集上的比较 | 第56-59页 |
| 5.3.3 运行时间 | 第59-60页 |
| 5.4 本章小节 | 第60-61页 |
| 第6章 总结与展望 | 第61-64页 |
| 6.1 论文工作总结 | 第61-62页 |
| 6.2 论文工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第70页 |
| 个人简历 | 第70页 |
| 在学期间发表的学术论文与研究成果 | 第70页 |
