| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题研究内容及结构安排 | 第14-15页 |
| 1.3.1 论文的主要工作 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15页 |
| 注释 | 第15-18页 |
| 第2章 海上有雾图像和清晰图像的分类识别 | 第18-39页 |
| 2.1 海上有雾图像和清晰图像分类识别概述 | 第18页 |
| 2.2 海上有雾图像和清晰图像分类识别原理 | 第18-19页 |
| 2.3 海上有雾图像和清晰图像分类特征提取 | 第19-25页 |
| 2.3.1 图像信息熵 | 第20页 |
| 2.3.2 图像均值 | 第20-21页 |
| 2.3.3 图像标准差 | 第21-22页 |
| 2.3.4 图像平均梯度 | 第22页 |
| 2.3.5 图像对比度 | 第22页 |
| 2.3.6 图像视觉对比度 | 第22-23页 |
| 2.3.7 图像能见度 | 第23-24页 |
| 2.3.8 暗通道图像强度 | 第24-25页 |
| 2.4 海上有雾图像和清晰图像识别算法研究 | 第25-36页 |
| 2.4.1 BP神经网络基本原理概述 | 第25-28页 |
| 2.4.2 支持向量机识别的基本原理 | 第28-31页 |
| 2.4.3 海上有雾图像和清晰图像的分类识别仿真研究 | 第31-36页 |
| 2.5 本章小结 | 第36页 |
| 注释 | 第36-39页 |
| 第3章 基于物理模型的海雾去除算法 | 第39-52页 |
| 3.1 雾天图像大气散射物理模型 | 第39-43页 |
| 3.1.1 直接传播模型 | 第40-41页 |
| 3.1.2 大气光模型 | 第41-42页 |
| 3.1.3 雾天成像模型及其化简 | 第42-43页 |
| 3.2 基于物理模型的图像去雾方法概述 | 第43-45页 |
| 3.2.1 基于多幅图像的去雾方法 | 第43-44页 |
| 3.2.2 基于单幅图像的去雾方法 | 第44-45页 |
| 3.3 基于暗通道先验的海雾去除算法 | 第45-50页 |
| 3.3.1 暗通道先验理论 | 第45-46页 |
| 3.3.2 大气光值的估计 | 第46页 |
| 3.3.3 透射率分布的估计 | 第46-47页 |
| 3.3.4 透射率的优化 | 第47-48页 |
| 3.3.5 暗原色先验理论的图像复原 | 第48-49页 |
| 3.3.6 暗通道理论去雾算法的不足 | 第49-50页 |
| 3.4 本章小结 | 第50页 |
| 注释 | 第50-52页 |
| 第4章 改进的暗通道先验海雾去除算法 | 第52-68页 |
| 4.1 改进的大气光值估计方法 | 第52-53页 |
| 4.2 目前常用的透射率优化方法 | 第53-55页 |
| 4.2.1 基于双边滤波的透射率优化 | 第53-54页 |
| 4.2.2 基于联合双边滤波的透射率优化 | 第54-55页 |
| 4.3 基于引导滤波的透射率优化方法 | 第55-61页 |
| 4.3.1 引导滤波器定义 | 第55-58页 |
| 4.3.2 引导滤波的透射率优化效果 | 第58-59页 |
| 4.3.3 本文单幅图像海雾去除算法 | 第59-61页 |
| 4.4 海雾去除仿真实验结果分析 | 第61-66页 |
| 4.4.1 主观评价 | 第62-63页 |
| 4.4.2 客观评价 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 注释 | 第67-68页 |
| 第5章 视频海雾去除算法研究 | 第68-81页 |
| 5.1 视频去雾算法概述 | 第68-69页 |
| 5.2 基于雾气理论的视频去雾算法 | 第69-73页 |
| 5.2.1 背景提取方法 | 第69-72页 |
| 5.2.2 视雾气为光路传播图的视频去雾算法 | 第72-73页 |
| 5.3 基于引导滤波的雾气遮罩理论视频去雾方法 | 第73-77页 |
| 5.3.1 帧差法雾气遮罩更新方法 | 第76-77页 |
| 5.3.2 雾气遮罩的估计 | 第77页 |
| 5.4 实验结果分析 | 第77-79页 |
| 5.5 本章小结 | 第79-80页 |
| 注释 | 第80-81页 |
| 结论 | 第81-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |