| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 相关理论基础 | 第14-32页 |
| 2.1 水下图像成像理论 | 第14-17页 |
| 2.1.1 水下成像系统 | 第14-16页 |
| 2.1.2 水下散射模型 | 第16-17页 |
| 2.2 常用的图像增强方法 | 第17-26页 |
| 2.2.1 白平衡方法 | 第17-20页 |
| 2.2.2 直方图均衡化方法 | 第20-21页 |
| 2.2.3 基于Retinex的方法 | 第21-23页 |
| 2.2.4 基于暗通道先验的方法 | 第23-26页 |
| 2.3 卷积神经网络图像增强方法 | 第26-31页 |
| 2.3.1 卷积神经网络 | 第26-29页 |
| 2.3.2 基于卷积神经网络的图像去雾方法 | 第29-30页 |
| 2.3.3 基于卷积神经网络的图像超分辨率重建方法 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于卷积神经网络的多步骤增强算法 | 第32-45页 |
| 3.1 基于卷积神经网络的多步骤增强算法介绍 | 第32-33页 |
| 3.2 基于白平衡的图像颜色修正 | 第33-34页 |
| 3.3 基于场景深度模型的图像去模糊 | 第34-40页 |
| 3.3.1 大气散射模型 | 第36-37页 |
| 3.3.2 场景深度卷积神经网络模型 | 第37-40页 |
| 3.3.3 场景深度模型学习策略 | 第40页 |
| 3.4 基于超分辨率神经网络的图像细节增强 | 第40-44页 |
| 3.4.1 超分辨率卷积神经网络模型 | 第42-43页 |
| 3.4.2 超分辨率模型学习策略 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验设计与结果分析 | 第45-60页 |
| 4.1 实验环境及数据介绍 | 第45页 |
| 4.2 颜色修正实验结果分析 | 第45-49页 |
| 4.3 图像去模糊实验结果分析 | 第49-50页 |
| 4.4 最终增强实验结果分析 | 第50-55页 |
| 4.5 特征点检测实验结果分析 | 第55-57页 |
| 4.6 水下目标识别实验结果分析 | 第57-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间公开发表论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |