| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外去雾算法研究发展状况 | 第11-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 2 汽车辅助视觉系统中涉及的图像处理关键技术 | 第15-19页 |
| 2.1 辅助视觉中的图像增强技术 | 第16-18页 |
| 2.1.1 传统的图像增强方法 | 第16-17页 |
| 2.1.2 基于Retinex的图像增强方法 | 第17页 |
| 2.1.3 基于物理模型的图像增强方法 | 第17-18页 |
| 2.2 雾霾天气汽车辅助视觉系统采集图像特征分析 | 第18-19页 |
| 3 基于暗原色先验理论的图像去雾算法 | 第19-31页 |
| 3.1 暗原色先验去雾算法理论基础 | 第19-22页 |
| 3.1.1 大气物理散射模型 | 第19-20页 |
| 3.1.2 暗原色先验理论 | 第20-22页 |
| 3.2 暗原色先验理论去雾原理 | 第22-30页 |
| 3.2.1 大气光强值A的估计 | 第24页 |
| 3.2.2 透射率分布估计 | 第24-25页 |
| 3.2.3 透射率块效应(“Halo”现象)分析 | 第25-29页 |
| 3.2.4 “软抠图”细化透射率 | 第29-30页 |
| 3.3 算法性能分析 | 第30页 |
| 3.4 改进方案 | 第30-31页 |
| 4 基于引导滤波的暗原色先验去雾算法改进方案 | 第31-36页 |
| 4.1 基于引导滤波的暗原色先验去雾算法改进原理 | 第31-34页 |
| 4.1.1 引导滤波 | 第31-33页 |
| 4.1.2 引导滤波改进暗原色先验去雾算法 | 第33-34页 |
| 4.2 实验结果分析 | 第34-36页 |
| 4.2.1 实验结果 | 第34-35页 |
| 4.2.2 引导滤波改进暗原色先验图像去雾算法效果评价 | 第35-36页 |
| 5 基于双边滤波的暗原色先验去雾算法改进方案 | 第36-40页 |
| 5.1 双边滤波改进暗原色先验去雾原理 | 第36-37页 |
| 5.2 实验结果分析 | 第37-40页 |
| 5.2.1 实验结果 | 第37-39页 |
| 5.2.2 双边滤波改进暗原色先验图像去雾算法效果评价 | 第39-40页 |
| 6 本文改进的暗原色先验去雾算法 | 第40-60页 |
| 6.1 暗原色失效分析 | 第40-46页 |
| 6.2 提高实时性的改进方案 | 第46-47页 |
| 6.3 暗原色失效情况的改善方案 | 第47-51页 |
| 6.3.1 大气光强值A估计改进方案 | 第47-49页 |
| 6.3.2 透射率计算改进方案 | 第49-51页 |
| 6.4 实验结果及分析 | 第51-55页 |
| 6.4.1 实验结果 | 第51-55页 |
| 6.4.2 算法处理效果评价 | 第55页 |
| 6.5 本文改进去雾算法在汽车辅助视觉系统中的应用 | 第55-60页 |
| 6.5.1 采集到的雾化图像分类 | 第55-56页 |
| 6.5.2 暗原色先验去雾算法在汽车辅助视觉系统中的应用 | 第56-60页 |
| 7 总结与展望 | 第60-62页 |
| 7.1 本文的主要工作 | 第60-61页 |
| 7.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66-67页 |
