论文创新点与特色 | 第5-10页 |
摘要 | 第10-13页 |
ABSTRACT | 第13-15页 |
第1章 绪论 | 第16-41页 |
1.1 研究背景及意义 | 第16-18页 |
1.2 国内外研究现状 | 第18-38页 |
1.2.1 低照度条件下可见光图像视见度增强 | 第20-27页 |
1.2.1.1 颜色恒常性方法 | 第20-26页 |
1.2.1.2 对比度增强方法 | 第26-27页 |
1.2.2 雾霾天气下可见光图像视见度增强 | 第27-34页 |
1.2.2.1 大气散射模型 | 第28-31页 |
1.2.2.2 基于物理模型的方法 | 第31-33页 |
1.2.2.3 非物理模型的方法 | 第33-34页 |
1.2.3 高动态范围红外热图像视见度增强 | 第34-36页 |
1.2.4 基于梯度域处理的图像视见度增强 | 第36-38页 |
1.3 论文的研究内容及组织结构 | 第38-41页 |
1.3.1 论文的研究内容 | 第38-39页 |
1.3.2 论文的组织结构 | 第39-41页 |
第2章 梯度域处理框架概述 | 第41-50页 |
2.1 任务驱动的梯度操作 | 第41-43页 |
2.1.1 单幅图像的梯度操作 | 第41-42页 |
2.1.2 两幅图像的梯度操作 | 第42-43页 |
2.2 从目标梯度场重构结果图像 | 第43-49页 |
2.2.1 泊松方程 | 第44-47页 |
2.2.2 L2范数正则的优化方案 | 第47-49页 |
2.3 本章小结 | 第49-50页 |
第3章 人眼视觉感知驱动的梯度域低照度图像对比度增强 | 第50-65页 |
3.1 人眼视觉对比度感知特性 | 第50-52页 |
3.1.1 亮度掩蔽特性 | 第50-52页 |
3.1.2 超阈值对比度感知特性 | 第52页 |
3.2 本文方法 | 第52-58页 |
3.2.1 全局亮度校正 | 第53-54页 |
3.2.2 结合人眼视觉感知特性的梯度场调整 | 第54-57页 |
3.2.2.1 图像视觉区域划分 | 第55-56页 |
3.2.2.2 不同视觉区域梯度场调整 | 第56-57页 |
3.2.3 从目标梯度场重建增强图像 | 第57-58页 |
3.3 实验结果与分析 | 第58-64页 |
3.4 本章小结 | 第64-65页 |
第4章 物理模型驱动的梯度域雾霾天可见光图像视见度增强 | 第65-94页 |
4.1 介质透射率的估计 | 第65-74页 |
4.1.1 基于暗原色先验的估计方法 | 第65-71页 |
4.1.1.1 介质透射率的粗估计 | 第66-67页 |
4.1.1.2 介质透射率的细化估计 | 第67-71页 |
4.1.2 基于大气耗散函数的估计方法 | 第71-74页 |
4.1.2.1 基于中值滤波的估计方法 | 第72-73页 |
4.1.2.2 基于双边滤波的估计方法 | 第73-74页 |
4.2 本文方法 | 第74-91页 |
4.2.1 白平衡 | 第77页 |
4.2.2 消除大气光散射的影响 | 第77-79页 |
4.2.3 梯度场增益函数设计 | 第79页 |
4.2.4 从目标梯度场重构增强图像 | 第79-81页 |
4.2.5 实验结果与分析 | 第81-91页 |
4.2.5.1 模拟图像的测试 | 第81-85页 |
4.2.5.2 真实图像的测试 | 第85-91页 |
4.3 本文方法在雨、雪、水下低对比图像的应用 | 第91-93页 |
4.4 本章小结 | 第93-94页 |
第5章 直方图统计特性驱动的梯度域高动态范围红外图像增强 | 第94-117页 |
5.1 本文方法 | 第95-102页 |
5.1.1 数据约束项 | 第96-98页 |
5.1.2 梯度约束项 | 第98-101页 |
5.1.2.1 归一化图像 | 第98-99页 |
5.1.2.2 梯度增益因子设计 | 第99-101页 |
5.1.3 数值解 | 第101-102页 |
5.2 实验结果与分析 | 第102-116页 |
5.2.1 参数γ和β的选择 | 第102-108页 |
5.2.2 数据集描述 | 第108-110页 |
5.2.3 与其他方法比较 | 第110-116页 |
5.3 本章小结 | 第116-117页 |
第6章 总结与展望 | 第117-121页 |
6.1 工作总结 | 第117-119页 |
6.2 研究展望 | 第119-121页 |
参考文献 | 第121-134页 |
攻读博士期间发表的论文以及参与的科研项目 | 第134-135页 |
致谢 | 第135页 |