基于深度学习的图像去雾方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于物理模型的去雾算法 | 第10-12页 |
| 1.2.2 基于图像增强的去雾算法 | 第12-14页 |
| 1.2.3 基于深度学习的图像去雾技术 | 第14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 图像去雾基础 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 带雾图像形成机理分析 | 第16-22页 |
| 2.2.1 大气散射模型 | 第16-18页 |
| 2.2.2 入射光衰减模型 | 第18-19页 |
| 2.2.3 大气光成像模型 | 第19-21页 |
| 2.2.4 雾天图像的大气散射模型 | 第21-22页 |
| 2.3 深度学习 | 第22-27页 |
| 2.3.1 卷积神经网络 | 第23-24页 |
| 2.3.2 生成对抗网络 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于卷积神经网络的去雾算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 卷积神经网络去雾模型 | 第28-33页 |
| 3.2.1 模型结构 | 第29-31页 |
| 3.2.2 去雾网络数学模型 | 第31-33页 |
| 3.3 实验结果与分析 | 第33-43页 |
| 3.3.1 数据来源 | 第33页 |
| 3.3.2 模型训练 | 第33-34页 |
| 3.3.3 在自然图像上的去雾对比实验 | 第34-37页 |
| 3.3.4 在室内合成图像上的去雾对比实验 | 第37-40页 |
| 3.3.5 图像质量评价指标 | 第40-42页 |
| 3.3.6 去雾所需时间对比 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于条件生成对抗网络的去雾算法 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 条件生成对抗网络 | 第44-45页 |
| 4.3 条件生成对抗网络去雾模型 | 第45-49页 |
| 4.3.1 生成网络 | 第45-46页 |
| 4.3.2 对抗网络 | 第46-47页 |
| 4.3.3 损失函数 | 第47-49页 |
| 4.4 基于生成对抗网络的去雾模型训练 | 第49页 |
| 4.5 实验结果与分析 | 第49-59页 |
| 4.5.1 在自然图像上的去雾对比实验 | 第50-52页 |
| 4.5.2 在室内合成图像上的去雾对比实验 | 第52-56页 |
| 4.5.3 图像质量评价指标 | 第56-58页 |
| 4.5.4 去雾所需时间对比 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 文主要工作总结 | 第60-61页 |
| 5.2 未来研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间主要成果 | 第66-67页 |
| 致谢 | 第67页 |
