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

水下图像清晰化算法研究

摘要第4-5页
ABSTRACT第5页
第1章 绪论第10-18页
    1.1 课题研究背景及意义第10-11页
    1.2 国内外研究机构和研究现状第11-15页
        1.2.1 国内外研究机构第11-12页
        1.2.2 水下图像增强算法研究现状第12-13页
        1.2.3 水下图像复原算法研究现状第13-15页
    1.3 论文主要工作及结构安排第15-18页
        1.3.1 论文主要工作第15页
        1.3.2 论文结构安排第15-18页
第2章 水下图像成像模型及增强方法第18-34页
    2.1 水的光学特性第18-21页
        2.1.1 光在三维空间传输第18页
        2.1.2 光在水中传输第18-20页
        2.1.3 光的吸收第20页
        2.1.4 光的散射第20-21页
    2.2 水下图像照明第21-22页
    2.3 水下成像模型第22-26页
        2.3.1 基于RTE的水下成像模型第22-24页
        2.3.2 Jaffe-McGlamery成像模型第24-26页
    2.4 Retinex理论第26-28页
        2.4.1 McCann Retinex算法第26页
        2.4.2 单尺度Retinex算法第26-27页
        2.4.3 多尺度Retinex算法第27-28页
    2.5 基于暗通道先验的水下图像复原第28-32页
        2.5.1 暗通道先验第28-30页
        2.5.2 基于暗通道先验的水下图像复原第30-32页
    2.6 本章小结第32-34页
第3章 基于加权L1正则化的水下图像清晰化第34-48页
    3.1 基于Retinex理论的水下图像增强第34-37页
        3.1.1 颜色校正第34-35页
        3.1.2 入射图像和反射图像分离第35-36页
        3.1.3 后处理第36-37页
    3.2 基于加权L1正则化的水下图像清晰化第37-43页
        3.2.1 颜色校正第38-39页
        3.2.2 透射率求解及优化第39-40页
        3.2.3 加权L1正则化亮度增强第40-42页
        3.2.4 自适应Gamma校正第42页
        3.2.5 所提算法第42-43页
    3.3 实验与结果分析第43-47页
        3.3.1 主观评价第43-46页
        3.3.2 客观评价第46-47页
    3.4 本章小结第47-48页
第4章 可见度提高和对比度增强水下图像清晰化第48-62页
    4.1 基于新光学成像模型的水下图像复原第48-50页
        4.1.1 新光学成像模型第48页
        4.1.2 蓝绿通道暗通道先验第48-49页
        4.1.3 散射比估计第49页
        4.1.4 衰减比估计第49页
        4.1.5 背景光估计第49-50页
    4.2 可见度提高和对比度增强水下图像清晰化第50-55页
        4.2.1 可见度提高第51-53页
            4.2.1.1 改进暗通道先验第51-52页
            4.2.1.2 散射比估计第52页
            4.2.1.3 衰减比估计第52-53页
            4.2.1.4 背景光估计第53页
        4.2.2 对比度增强和图像去噪第53-54页
        4.2.3 算法总结第54-55页
    4.3 实验与结果分析第55-60页
        4.3.1 主观评价第55-56页
        4.3.2 客观评价第56-57页
        4.3.3 与本文前一种算法对比第57-60页
    4.4 本章小结第60-62页
第5章 总结与展望第62-64页
    5.1 总结第62-63页
    5.2 展望第63-64页
参考文献第64-68页
发表论文和参加科研情况说明第68-70页
致谢第70-71页

论文共71页,点击 下载论文
上一篇:藏汉双语多模态生理语音数据库的建立和语音特征分析
下一篇:基于稀疏表示字典学习的图像分类