| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 研究现状及问题 | 第11-14页 |
| 1.2.1 基于图像增强的算法 | 第11-12页 |
| 1.2.2 基于物理模型的去雾算法 | 第12-14页 |
| 1.3 本文的主要研究内容及论文结构 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 论文结构 | 第14-15页 |
| 第二章 大气散射模型和经典去雾算 | 第15-27页 |
| 2.1 大气散射理论及其现象 | 第15-19页 |
| 2.1.1 入射光衰减模型 | 第17-18页 |
| 2.1.2 大气光模型 | 第18-19页 |
| 2.2 雾天下的大气散射物理模型 | 第19-20页 |
| 2.3 经典图像去雾算法 | 第20-26页 |
| 2.3.1 基于图像增强的去雾方法以及算法重现 | 第20-24页 |
| 2.3.2 基于大气散射模型的图像去雾算法以及算法重现 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 暗原色先验的去雾算法 | 第27-33页 |
| 3.1 暗原色先验理论 | 第27-28页 |
| 3.2 暗原色先验去雾算法 | 第28页 |
| 3.3 估算透射率 | 第28-29页 |
| 3.4 求取大气光照值A | 第29-30页 |
| 3.5 恢复出原图像 | 第30页 |
| 3.6 图像块的选取对于去雾结果的影响 | 第30-31页 |
| 3.7 暗原色先验去雾的不足 | 第31页 |
| 3.8 本章小结 | 第31-33页 |
| 第四章 基于天空识别和暗原色先验的图像去雾算法 | 第33-43页 |
| 4.1 最大类间方差法 | 第33-35页 |
| 4.2 改进的天空识别算法 | 第35-40页 |
| 4.2.1 求取原图的灰度图像 | 第36页 |
| 4.2.2 求取灰度图像的梯度信息图 | 第36-37页 |
| 4.2.3 按照设定梯度阈值对梯度信息图进行天空区域识别 | 第37-40页 |
| 4.3 透射率t(x)的优化计算 | 第40-41页 |
| 4.4 大气光值A的优化计算 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 去雾图像质量评价 | 第43-51页 |
| 5.1 实验条件与设备的选取 | 第43页 |
| 5.2 图像去雾性能评价方法 | 第43-44页 |
| 5.3 实验结果及分析 | 第44-49页 |
| 5.3.1 有雾图像处理后主观总体分析 | 第46-47页 |
| 5.3.2 有雾图像处理后客观观总体分析 | 第47-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54-55页 |
| 参考文献 | 第55-57页 |