| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要内容及框架 | 第10-11页 |
| 2 雾霾天气下的成像模型 | 第11-14页 |
| 2.1 基于大气散射的物理模型 | 第11-13页 |
| 2.2 本章小结 | 第13-14页 |
| 3 Retinex理论的发展 | 第14-17页 |
| 3.1 Retinex理论的发展与演变 | 第14-15页 |
| 3.2 色彩恒常理论 | 第15页 |
| 3.3 本章小结 | 第15-17页 |
| 4 改进的SSR算法 | 第17-26页 |
| 4.1 Retinex理论的算法流程 | 第17-18页 |
| 4.2 单尺度Retinex(SSR)算法 | 第18-19页 |
| 4.3 多尺度Retinex(MSR)算法 | 第19页 |
| 4.4 图像增强拟合函数 | 第19-23页 |
| 4.5 改进的单尺度retinex去雾算法 | 第23-25页 |
| 4.5.1 图像边缘细节的增强 | 第23-24页 |
| 4.5.2 利用拟合函数进行图像增强 | 第24页 |
| 4.5.3 算法流程 | 第24-25页 |
| 4.6 本章小结 | 第25-26页 |
| 5 雾霾天气下图像增强算法应用及评价 | 第26-39页 |
| 5.1 雾霾天气下图像增强算法应用 | 第26-36页 |
| 5.1.1 直方图均衡化算法应用 | 第27-29页 |
| 5.1.2 MSR算法应用 | 第29-31页 |
| 5.1.3 改进的SSR算法应用 | 第31-33页 |
| 5.1.4 不同算法对同一雾霾车牌图像的处理结果对比 | 第33-36页 |
| 5.2 算法处理结果的客观评价 | 第36-37页 |
| 5.3 算法的计算复杂度评价 | 第37页 |
| 5.4 整体评价 | 第37页 |
| 5.5 本章小结 | 第37-39页 |
| 6 车牌识别 | 第39-45页 |
| 6.1 车牌图像预处理 | 第39页 |
| 6.2 车牌定位 | 第39-41页 |
| 6.3 字符分割 | 第41-42页 |
| 6.4 特征提取 | 第42-43页 |
| 6.5 车牌识别 | 第43-44页 |
| 6.6 本章小结 | 第44-45页 |
| 7 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-58页 |
| 1. 直方图均衡化算法Matlab程序实现 | 第49-50页 |
| 2. MSR算法Matlab程序实现 | 第50-53页 |
| 3. SSR算法Matlab程序实现 | 第53-58页 |
| 致谢 | 第58页 |