基于暗通道先验的图像实时去雾方法研究与实现
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 课题背景及意义 | 第16页 |
| 1.2 图像实时去雾国内外研究现状 | 第16-19页 |
| 1.2.1 图像去雾算法研究现状 | 第16-18页 |
| 1.2.2 GPU应用发展现状 | 第18页 |
| 1.2.3 GPU实时实现图像去雾研究现状 | 第18-19页 |
| 1.3 论文研究内容及各章节安排 | 第19-22页 |
| 第二章 暗通道去雾算法与GPU并行计算 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 暗通道先验图像去雾算法 | 第22-30页 |
| 2.2.1 雾成像模型 | 第22-23页 |
| 2.2.2 暗通道先验 | 第23-24页 |
| 2.2.3 计算景物初始透射率 | 第24-25页 |
| 2.2.4 导向滤波 | 第25-26页 |
| 2.2.5 透射率计算修正及复原景物 | 第26-29页 |
| 2.2.6 算法流程 | 第29-30页 |
| 2.3 GPU平台架构 | 第30-31页 |
| 2.3.1 GPU与CPU | 第30页 |
| 2.3.2 GPU实验平台架构 | 第30-31页 |
| 2.4 CUDA并行编程架构 | 第31-33页 |
| 2.4.1 CUDA程序结构 | 第31-32页 |
| 2.4.2 CUDA设备存储器架构 | 第32-33页 |
| 2.5 本章小结 | 第33-36页 |
| 第三章 暗通道先验图像去雾算法的优化与改进 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 前向预测的视频闪烁改进 | 第36-37页 |
| 3.3 算法时间复杂度分析 | 第37-39页 |
| 3.4 GPU并行方案 | 第39-43页 |
| 3.4.1 最小值滤波及CUDA实现 | 第39-40页 |
| 3.4.2 均值滤波及CUDA实现 | 第40-42页 |
| 3.4.3 分块大气光计算及CUDA实现 | 第42页 |
| 3.4.4 初步并行实现方案 | 第42-43页 |
| 3.5 实验结果与分析 | 第43-46页 |
| 3.5.1 图像去雾效果 | 第43-44页 |
| 3.5.2 方案运行效率测试与分析 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 GPU并行方案的深度优化 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 均值滤波深度优化 | 第48-56页 |
| 4.2.1 滑窗均值滤波的深度优化 | 第48-50页 |
| 4.2.2 积分图均值滤波 | 第50-55页 |
| 4.2.3 简化算法实现 | 第55-56页 |
| 4.3 最小值滤波深度优化 | 第56-59页 |
| 4.4 实验结果与分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
