首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于先验知识的图像去雾算法

摘要第5-7页
abstract第7-9页
第一章 绪论第13-25页
    1.1 研究背景及意义第13页
    1.2 国内外研究现状第13-22页
        1.2.1 基于图像增强的方法第13-16页
        1.2.2 基于图像复原的方法第16-22页
    1.3 论文主要研究内容及结构安排第22-25页
        1.3.1 主要研究内容第22-23页
        1.3.2 论文结构安排第23-25页
第二章 雾天降质图像形成机制第25-44页
    2.1 雾霾的成因及特点第25-26页
    2.2 可见光的组成第26-27页
    2.3 光能量在介质中的衰减过程第27-35页
        2.3.1 大气颗粒物的光强吸收作用第28-31页
        2.3.2 大气颗粒物的光强散射作用第31-35页
    2.4 雾天降质图像的基本特性第35-36页
        2.4.1 雾天图像的空域特性第35-36页
        2.4.2 雾天图像的频域特性第36页
    2.5 大气散射模型第36-41页
        2.5.1 入射光衰减模型第37-38页
        2.5.2 大气光散射模型第38-40页
        2.5.3 雾天图像退化模型第40-41页
    2.6 基于暗通道的去雾算法第41-42页
        2.6.1 暗原色先验知识第41页
        2.6.2 通过暗原色先验去雾第41-42页
    2.7 本章小结第42-44页
第三章 去雾效果评价体系第44-54页
    3.1 人类视觉系统第44-46页
        3.1.1 HVS的结构第44页
        3.1.2 HVS的视觉特性第44-46页
        3.1.3 HVS的心理特性第46页
    3.2 图像质量主观评价第46-47页
        3.2.1 绝对评价第47页
        3.2.2 相对评价第47页
    3.3 图像质量客观评价第47-53页
        3.3.1 全参考第48-50页
        3.3.2 部分参考第50页
        3.3.3 无参考第50-53页
    3.4 本章小结第53-54页
第四章 基于入射光频率的图像去雾算法第54-66页
    4.1 引言第54页
    4.2 算法实现第54-58页
        4.2.1 原算法假设第54-55页
        4.2.2 改进方向第55-56页
        4.2.3 衰减系数第56-57页
        4.2.4 改进的图像复原方法第57-58页
    4.3 实验结果及分析第58-60页
        4.3.1 量化指标第59-60页
    4.4 本章小结第60-66页
第五章 基于光源点簇选择的大气光估计第66-77页
    5.1 引言第66页
    5.2 现有大气光估计方法第66-70页
        5.2.1 交互式获取法第66-67页
        5.2.2 自动获取法第67-70页
    5.3 基于光源点簇选择的大气光估计方法第70-72页
    5.4 算法性能评估第72-76页
        5.4.1 大气光位置第72页
        5.4.2 去雾结果第72页
        5.4.3 量化指标第72-76页
    5.5 本章小结第76-77页
第六章 基于蚁群算法的大气光确定算法第77-86页
    6.1 引言第77页
    6.2 现有大气光确定方法第77-78页
    6.3 基于蚁群算法的大气光估计方法第78-80页
        6.3.1 阈值划分第79页
        6.3.2 点簇聚类合并第79-80页
    6.4 算法性能评估第80-85页
        6.4.1 量化指标第80-85页
    6.5 本章小结第85-86页
第七章 基于高斯分布大气光图的去雾算法第86-98页
    7.1 引言第86页
    7.2 现有大气光确定方法第86-89页
    7.3 基于高斯分布的大气光估计算法第89-92页
        7.3.1 阈值划分第89页
        7.3.2 点簇聚类合并第89-90页
        7.3.3 点簇过滤第90页
        7.3.4 基准大气光第90-91页
        7.3.5 亮度校正第91页
        7.3.6 基于高斯分布的大气光图第91-92页
    7.4 算法性能评估第92-97页
        7.4.1 量化指标第93-96页
        7.4.2 综合比较第96-97页
    7.5 本章小结第97-98页
第八章 全文总结与展望第98-100页
    8.1 全文总结第98-99页
    8.2 后续工作展望第99-100页
致谢第100-101页
参考文献第101-110页
个人简历第110页
攻读博士学位期间取得的成果第110-111页

论文共111页,点击 下载论文
上一篇:基于旁瓣抑制的新型多载波传输技术研究
下一篇:时间感知的推荐算法研究