去雾算法的研究及其在视频监控中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文的研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像增强类去雾算法 | 第11-13页 |
| 1.2.2 物理模型类去雾算法 | 第13-14页 |
| 1.3 本文研究内容和组织结构 | 第14-16页 |
| 第2章 图像去雾基础理论简介 | 第16-23页 |
| 2.1 数字图像的表示 | 第16-17页 |
| 2.2 颜色空间模型 | 第17-20页 |
| 2.2.1 RGB颜色空间模型 | 第17-18页 |
| 2.2.2 HSV颜色空间模型 | 第18-19页 |
| 2.2.3 YUV颜色空间模型 | 第19-20页 |
| 2.3 大气散射 | 第20-22页 |
| 2.3.1 大气散射现象 | 第20-21页 |
| 2.3.2 大气散射模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 经典去雾算法分析 | 第23-37页 |
| 3.1 直方图均衡化去雾算法 | 第23-27页 |
| 3.1.1 全局直方图均衡化 | 第24-26页 |
| 3.1.2 自适应直方图均衡化 | 第26-27页 |
| 3.2 Retinex去雾算法 | 第27-30页 |
| 3.2.1 SSR去雾算法 | 第28-29页 |
| 3.2.2 MSR去雾算法 | 第29-30页 |
| 3.3 Fattal去雾算法 | 第30-33页 |
| 3.3.1 Fattal去雾算法原理 | 第30-32页 |
| 3.3.2 Fattal去雾算法流程图及效果图 | 第32-33页 |
| 3.4 Tarel去雾算法 | 第33-35页 |
| 3.4.1 Tarel去雾算法原理 | 第33-34页 |
| 3.4.2 Tarel去雾算法流程及效果图 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 改进的暗通道先验去雾算法 | 第37-55页 |
| 4.1 暗通道先验原理 | 第37-39页 |
| 4.2 透射率优化 | 第39-45页 |
| 4.2.1 软抠图 | 第40-41页 |
| 4.2.2 双边滤波 | 第41-42页 |
| 4.2.3 导向滤波 | 第42-45页 |
| 4.3 暗通道快速去雾算法的提出 | 第45-48页 |
| 4.3.1 分块求取暗通道值 | 第45-46页 |
| 4.3.2 消除块状效应 | 第46-48页 |
| 4.4 改进算法仿真及对比 | 第48-53页 |
| 4.4.1 仿真运行环境 | 第48页 |
| 4.4.2 主观比较 | 第48-52页 |
| 4.4.3 客观比较 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 去雾算法在视频监控系统中应用 | 第55-71页 |
| 5.1 视频监控系统的设计 | 第55-59页 |
| 5.1.1 整体框架设计 | 第55-56页 |
| 5.1.2 关键技术介绍 | 第56-59页 |
| 5.2 系统各模块实现 | 第59-65页 |
| 5.2.1 服务器端实现 | 第59-61页 |
| 5.2.2 web客户端实现 | 第61-63页 |
| 5.2.3 视频采集端实现 | 第63-65页 |
| 5.3 去雾算法的应用与测试 | 第65-70页 |
| 5.3.1 去雾算法的OpenCV实现 | 第65-67页 |
| 5.3.2 实时去雾效果测试 | 第67-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目和成果 | 第78页 |
