包含天空图像的去雾算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 算法研究现状 | 第11-12页 |
| 1.2.2 主要存在的问题 | 第12-13页 |
| 1.3 本文的内容以及章节安排 | 第13-16页 |
| 1.3.1 本文的研究内容 | 第13-14页 |
| 1.3.2 本文的组织结构 | 第14-16页 |
| 第2章 相关技术基础理论 | 第16-28页 |
| 2.1 大气物理模型 | 第16-18页 |
| 2.1.1 散射机制 | 第16-17页 |
| 2.1.2 光学模型的视觉应用 | 第17-18页 |
| 2.2 暗通道先验 | 第18-22页 |
| 2.2.1 传输图估计 | 第18-20页 |
| 2.2.2 软修边 | 第20-22页 |
| 2.2.3 方法缺陷 | 第22页 |
| 2.3 导向滤波 | 第22-24页 |
| 2.4 对抗生成网络 | 第24-26页 |
| 2.5 性能评价标准 | 第26-27页 |
| 2.5.1 峰值信噪比 | 第26-27页 |
| 2.5.2 结构相似性 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于自适应软分割的天空去雾方法 | 第28-46页 |
| 3.1 系统框架 | 第28-29页 |
| 3.2 亮度模型 | 第29-31页 |
| 3.3 两个传输模型融合 | 第31-33页 |
| 3.4 Sigmoid函数软分割 | 第33-34页 |
| 3.5 大气光值估计 | 第34-35页 |
| 3.6 实验结果 | 第35-45页 |
| 3.6.1 亮度先验比较 | 第35-36页 |
| 3.6.2 软分割效果 | 第36-37页 |
| 3.6.3 大气光估计效果 | 第37-38页 |
| 3.6.4 参数选择 | 第38-39页 |
| 3.6.5 相关方法对比 | 第39-41页 |
| 3.6.6 用户调查 | 第41-42页 |
| 3.6.7 时间消耗 | 第42-43页 |
| 3.6.8 客观评价 | 第43-44页 |
| 3.6.9 非天空区域的去雾效果 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 基于强限制的对抗生成网络的去雾方法 | 第46-60页 |
| 4.1 系统框架 | 第48-49页 |
| 4.2 对抗损失 | 第49页 |
| 4.3 非对应数据集损失 | 第49-51页 |
| 4.3.1 循环一致损失 | 第49-50页 |
| 4.3.2 图像逼真化损失 | 第50-51页 |
| 4.3.3 不对应图像的联合损失 | 第51页 |
| 4.4 对应数据集损失 | 第51-52页 |
| 4.4.1 L1损失 | 第51页 |
| 4.4.2 对应图像的联合损失 | 第51-52页 |
| 4.5 总联合损失 | 第52页 |
| 4.6 实验设置 | 第52-54页 |
| 4.6.1 数据集的收集 | 第52页 |
| 4.6.2 训练细节 | 第52-53页 |
| 4.6.3 网络框架 | 第53-54页 |
| 4.7 实验结果 | 第54-59页 |
| 4.7.1 特征学习 | 第54-55页 |
| 4.7.2 加雾效果 | 第55-56页 |
| 4.7.3 与现有方法比较 | 第56-57页 |
| 4.7.4 客观评价 | 第57-59页 |
| 4.7.5 非天空区域的去雾效果 | 第59页 |
| 4.8 本章小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |
