| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 夜间图像增强算法研究现状 | 第9-12页 |
| 1.3 本文创新点 | 第12页 |
| 1.4 论文主要内容章节安排 | 第12-14页 |
| 第二章 夜间图像增强算法当前研究现状 | 第14-29页 |
| 2.1 基于直方图均衡化的夜间图像增强算法 | 第14-18页 |
| 2.1.1 全局直方图均衡化算法 | 第14-16页 |
| 2.1.2 局部自适应直方图均衡化算法 | 第16-18页 |
| 2.1.3 对比度相关饱和度调整的直方图均衡化算法 | 第18页 |
| 2.2 基于Retinex理论的夜间图像增强算法 | 第18-26页 |
| 2.2.1 McCann Retinex算法 | 第20页 |
| 2.2.2 单尺度Retinex算法 | 第20-23页 |
| 2.2.3 多尺度Retinex算法 | 第23-24页 |
| 2.2.4 带色彩恢复的多尺度Retinex算法 | 第24-25页 |
| 2.2.5 自然保持增强算法 | 第25-26页 |
| 2.2.6 基于同时光照和反射估计的图像增强概率算法 | 第26页 |
| 2.2.7 使用先验多层亮度统计自然保留图像增强算法 | 第26页 |
| 2.3 夜间图像增强算法效果汇总图 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于Retinex理论的夜间图像增强算法 | 第29-40页 |
| 3.1 问题分析 | 第29-30页 |
| 3.2 设计思路 | 第30-32页 |
| 3.3 本文BORET1算法实现步骤 | 第32-37页 |
| 3.3.1 获得背景图像 | 第32-33页 |
| 3.3.2 使用gamma变换函数增强背景图像 | 第33-36页 |
| 3.3.3 获取背景图像增强系数并应用于全局图像 | 第36-37页 |
| 3.4 本文BORET2算法实现步骤 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 实验结果与分析 | 第40-56页 |
| 4.1 图像质量评价指标 | 第40-44页 |
| 4.1.1 峰值信噪比 | 第40-41页 |
| 4.1.2 结构相似性 | 第41页 |
| 4.1.3 盲/无参考图像空间质量评估 | 第41-43页 |
| 4.1.4 自然图像质量 | 第43-44页 |
| 4.2 实验环境介绍 | 第44页 |
| 4.3 本文BORET2算法结果主观评价分析 | 第44-52页 |
| 4.4 本文BORET2算法结果客观评价分析 | 第52-55页 |
| 4.5 实验总结 | 第55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 在学期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
