车载视频实时去雾算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外发展现状 | 第12-15页 |
| 1.2.1 图像去雾发展现状 | 第12-14页 |
| 1.2.2 视频去雾发展现状 | 第14-15页 |
| 1.3 论文主要研究工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 图像去雾理论基础 | 第17-25页 |
| 2.1 雾霾的成因及特点 | 第17-18页 |
| 2.2 大气散射模型 | 第18-22页 |
| 2.2.1 直射光衰减模型 | 第19-20页 |
| 2.2.2 大气光散射模型 | 第20-21页 |
| 2.2.3 雾天图像退化模型 | 第21-22页 |
| 2.3 图像去雾客观评价指标 | 第22-24页 |
| 2.3.1 信息熵 | 第22页 |
| 2.3.2 平均梯度 | 第22-23页 |
| 2.3.3 视觉对比度 | 第23页 |
| 2.3.4 图像能见度 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于暗通道先验的图像去雾算法研究与改进 | 第25-43页 |
| 3.1 基于暗通道先验的图像去雾算法研究 | 第25-33页 |
| 3.1.1 暗通道先验理论 | 第25-27页 |
| 3.1.2 传统图像去雾算法 | 第27-29页 |
| 3.1.3 透射率优化算法 | 第29-32页 |
| 3.1.4 透射率修正算法 | 第32-33页 |
| 3.2 基于暗通道先验的改进图像去雾算法 | 第33-39页 |
| 3.2.1 改进的大气光强度估计算法 | 第33-36页 |
| 3.2.2 改进的透射率修正算法 | 第36-38页 |
| 3.2.3 改进的图像去雾算法流程 | 第38-39页 |
| 3.3 恢复图像增强 | 第39-42页 |
| 3.3.1 直方图均衡 | 第39页 |
| 3.3.2 伽马校正 | 第39-40页 |
| 3.3.3 基于色调不变的图像增强 | 第40-41页 |
| 3.3.4 实验结果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 车载视频去雾算法研究 | 第43-54页 |
| 4.1 视频去雾算法概述 | 第43-46页 |
| 4.1.1 基于光流法的视频去雾算法 | 第43-44页 |
| 4.1.2 基于背景分离的视频去雾算法 | 第44-45页 |
| 4.1.3 局限性 | 第45-46页 |
| 4.2 平滑大气光强度 | 第46-48页 |
| 4.3 大气光强度快速更新 | 第48-50页 |
| 4.4 基于灰度引导图像的快速导向滤波 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 系统实现与测试 | 第54-68页 |
| 5.1 系统实现 | 第54-59页 |
| 5.1.1 开发环境 | 第54-56页 |
| 5.1.2 系统结构 | 第56-59页 |
| 5.2 系统测试 | 第59-67页 |
| 5.2.1 PC平台下的测试 | 第59-66页 |
| 5.2.2 Android平台下的测试 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附录 | 第77页 |
