| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-35页 |
| 1.1 研究背景及意义 | 第19页 |
| 1.2 图像去雾的研究发展及现状 | 第19-31页 |
| 1.2.1 基于图像增强的方法 | 第20-23页 |
| 1.2.2 基于图像复原的方法 | 第23-30页 |
| 1.2.3 去雾图像质量评价 | 第30-31页 |
| 1.3 本章的研究内容及章节安排 | 第31-35页 |
| 1.3.1 主要研究内容 | 第31-33页 |
| 1.3.2 本文章节安排 | 第33-35页 |
| 第二章 雾天图像退化机理和降质模型分析 | 第35-43页 |
| 2.1 大气散射机理 | 第35-38页 |
| 2.1.1 景物辐射衰减模型 | 第36-37页 |
| 2.1.2 空气光 | 第37-38页 |
| 2.2 有雾图像降质模型 | 第38-41页 |
| 2.3 本章小结 | 第41-43页 |
| 第三章 基于非局部结构相似性约束的单幅图像去雾方法 | 第43-55页 |
| 3.1 引言 | 第43-44页 |
| 3.2 背景知识 | 第44-46页 |
| 3.2.1 基于暗通道的去雾方法 | 第44-46页 |
| 3.3 基于非局部结构相似性约束的图像去雾算法 | 第46-50页 |
| 3.3.1 搜索全局大气光 | 第46页 |
| 3.3.2 估计透射率图 | 第46-47页 |
| 3.3.3 透射率求解 | 第47-49页 |
| 3.3.4 去雾算法总结 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-53页 |
| 3.4.1 实验设置 | 第50页 |
| 3.4.2 合成图像实验结果评估 | 第50-53页 |
| 3.4.3 真实有雾图像实验结果评估 | 第53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于场景透射率自适应正则化的雾天图像复原方法 | 第55-75页 |
| 4.1 引言 | 第55-56页 |
| 4.2 有雾图像复原模型分析 | 第56-58页 |
| 4.3 基于非局部全变分正则化的透射率估计 | 第58-60页 |
| 4.3.1 透射率计算模型 | 第58-59页 |
| 4.3.2 模型求解 | 第59-60页 |
| 4.4 景深自适应正则化的场景辐射复原方法 | 第60-63页 |
| 4.4.1 场景辐射复原模型 | 第60-62页 |
| 4.4.2 模型求解 | 第62-63页 |
| 4.5 实验结果与分析 | 第63-74页 |
| 4.5.1 实验设置 | 第63-64页 |
| 4.5.2 合成有雾图像的实验结果 | 第64-65页 |
| 4.5.3 降质合成有雾图像的实验结果 | 第65-67页 |
| 4.5.4 真实有雾场景图像的实验结果 | 第67-68页 |
| 4.5.5 参数分析实验 | 第68-72页 |
| 4.5.6 算法效率分析 | 第72-73页 |
| 4.5.7 算法讨论 | 第73-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第五章 基于非局部梯度稀疏约束结构感知滤波的去雾方法 | 第75-97页 |
| 5.1 引言 | 第75-77页 |
| 5.2 非局部梯度稀疏约束正则化模型 | 第77-84页 |
| 5.2.1 非局部梯度约束 | 第77-78页 |
| 5.2.2 非局部邻域搜索 | 第78-80页 |
| 5.2.3 非局部梯度稀疏约束 | 第80-81页 |
| 5.2.4 模型求解 | 第81-83页 |
| 5.2.5 基于结构感知滤波的图像去雾 | 第83-84页 |
| 5.3 算法分析 | 第84-87页 |
| 5.4 实验结果与分析 | 第87-96页 |
| 5.4.1 图像去雾 | 第87-89页 |
| 5.4.2 边缘保持图像平滑 | 第89-90页 |
| 5.4.3 图像去噪 | 第90页 |
| 5.4.4 JPEG压缩痕迹消除 | 第90页 |
| 5.4.5 细节增强 | 第90-93页 |
| 5.4.6 图像抽象画和铅笔画 | 第93-94页 |
| 5.4.7 色调映射 | 第94页 |
| 5.4.8 算法的局限性 | 第94-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第六章 基于结构信息保持的可见光遥感图像去雾方法 | 第97-105页 |
| 6.1 引言 | 第97-98页 |
| 6.2 基于暗通道先验的单幅可见光遥感图像去雾 | 第98页 |
| 6.3 结构信息保持的去雾算法 | 第98-102页 |
| 6.3.1 可见光波段结构信息增强 | 第99-101页 |
| 6.3.2 大气透射率优化 | 第101-102页 |
| 6.4 实验结果与分析 | 第102-104页 |
| 6.5 小结 | 第104-105页 |
| 第七章 基于雾浓度预测的可见光遥感图像去雾方法 | 第105-119页 |
| 7.1 引言 | 第105-106页 |
| 7.2 基于雾浓度图的遥感图像去雾 | 第106-108页 |
| 7.2.1 遥感图像雾成像模型 | 第106-107页 |
| 7.2.2 使用HTM去雾 | 第107-108页 |
| 7.3 基于改进雾浓度图的去雾算法 | 第108-112页 |
| 7.3.1 地表辐射抑制的HTM | 第108页 |
| 7.3.2 纹理和高亮物体去除 | 第108-109页 |
| 7.3.3 地表辐射抑制 | 第109-111页 |
| 7.3.4 每个波段的HTM计算 | 第111-112页 |
| 7.3.5 基于GRS-HTM的图像去雾 | 第112页 |
| 7.4 实验结果与分析 | 第112-118页 |
| 7.4.1 去雾效果主观评价 | 第117页 |
| 7.4.2 定量评估 | 第117页 |
| 7.4.3 算法复杂度 | 第117-118页 |
| 7.5 本章小结 | 第118-119页 |
| 第八章 总结与展望 | 第119-123页 |
| 8.1 工作总结 | 第119-120页 |
| 8.2 前景展望 | 第120-123页 |
| 参考文献 | 第123-135页 |
| 致谢 | 第135-137页 |
| 作者简介 | 第137-139页 |
