| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于直方图均衡修正的灰度变换 | 第11页 |
| 1.2.2 图像平滑化处理 | 第11-12页 |
| 1.2.3 空间域锐化处理 | 第12页 |
| 1.2.4 频域增强处理 | 第12页 |
| 1.2.5 基于人类视觉的增强 | 第12-13页 |
| 1.2.6 基于模糊理论的增强 | 第13页 |
| 1.2.7 基于Retinex的图像增强 | 第13-14页 |
| 1.3 论文内容及安排 | 第14-15页 |
| 第2章 Retinex基本理论与方法概述 | 第15-32页 |
| 2.1 彩色图像增强 | 第15-19页 |
| 2.1.1 RGB空间 | 第15-16页 |
| 2.1.2 HSV空间 | 第16-17页 |
| 2.1.3 其他类型空间 | 第17-19页 |
| 2.2 Retinex基本方法和研究现状 | 第19-24页 |
| 2.2.1 人眼视觉机理 | 第19-23页 |
| 2.2.2 色彩恒常性理论 | 第23页 |
| 2.2.3 Retinex基础理论 | 第23-24页 |
| 2.3 随机路径的Retinex算法 | 第24-25页 |
| 2.4 McCann的Retinex算法 | 第25-26页 |
| 2.5 基于中心环绕的Retinex算法 | 第26-28页 |
| 2.5.1 单尺度Retinex算法(SSR) | 第27页 |
| 2.5.2 多尺度Retinex算法(MSR) | 第27-28页 |
| 2.5.3 带颜色恢复的多尺度Retinex算法(MSRCR) | 第28页 |
| 2.6 基于变分框架的Retinex算法 | 第28-29页 |
| 2.7 基于双边滤波的Retinex算法 | 第29-30页 |
| 2.8 其他的Retinex算法 | 第30页 |
| 2.9 本章小结 | 第30-32页 |
| 第3章 稀疏表示理论及图像去噪 | 第32-50页 |
| 3.1 稀疏表示 | 第32-38页 |
| 3.1.1 稀疏表示理论 | 第32-33页 |
| 3.1.2 稀疏分解方法 | 第33-34页 |
| 3.1.3 匹配追踪算法 | 第34-35页 |
| 3.1.4 正交匹配追踪算法 | 第35-36页 |
| 3.1.5 批量正交匹配追踪算法 | 第36-37页 |
| 3.1.6 字典构造 | 第37-38页 |
| 3.2 K-SVD算法及图像去噪中的应用 | 第38-49页 |
| 3.2.1 常用图像去噪方法 | 第38页 |
| 3.2.2 K-SVD算法 | 第38-39页 |
| 3.2.3 K-SVD图像去噪 | 第39-41页 |
| 3.2.4 仿真结果与分析 | 第41-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 基于稀疏表示的Retinex算法 | 第50-62页 |
| 4.1 基于稀疏表示Retinex算法的目标函数 | 第50-54页 |
| 4.2 仿真结果与分析 | 第54-61页 |
| 4.2.1 雾霾图像增强 | 第54-56页 |
| 4.2.2 照度不足图像增强 | 第56-57页 |
| 4.2.3 照度不均图像增强 | 第57-59页 |
| 4.2.4 噪声图像增强 | 第59-61页 |
| 4.3 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士期间发表的论文和参与的项目 | 第69-70页 |
| 致谢 | 第70-71页 |