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

基于暗原色先验的图像去雾技术研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第13-18页
    1.1 研究背景及研究意义第13-14页
    1.2 国内外研究现状第14-17页
    1.3 本文研究内容及结构安排第17-18页
第二章 基于非物理模型的去雾第18-29页
    2.1 全局化增强算法第18-24页
        2.1.1 全局直方图均衡化算法第18-19页
        2.1.2 Retinex算法第19-22页
        2.1.3 同态滤波算法第22-24页
    2.2 局部增强算法第24-28页
    2.3 本章小结第28-29页
第三章 基于先验信息的去雾第29-38页
    3.1 Tan’s算法第29-32页
        3.1.1 雾天图像退化模型第29页
        3.1.2 色度第29-30页
        3.1.3 最大化对比度第30-31页
        3.1.4 大气光平滑约束第31-32页
    3.2 Tarel’s算法第32-35页
    3.3 Fattal’s算法第35-36页
    3.4 本章小结第36-38页
第四章 基于暗原色先验的去雾第38-70页
    4.1 雾天图像退化模型第39-44页
        4.1.1 雾的形成第39-40页
        4.1.2 大气散射机制第40-44页
    4.2 暗原色先验定理第44-46页
    4.3 初始透射率的估计第46-49页
    4.4 求取初始透射率的改进第49-50页
    4.5 透射率的优化第50-67页
        4.5.1 软抠图算法第50-54页
        4.5.2 引导滤波第54-59页
        4.5.3 引导滤波的改进第59-67页
    4.6 大气光A的估计第67页
    4.7 天空区域的改进第67-69页
    4.8 本章小结第69-70页
第五章 图像质量评价及实验结果第70-79页
    5.1 可视度模型第70页
    5.2 可见边比率第70-71页
    5.3 评价第71-78页
        5.3.1 评价的描述符第71页
        5.3.2 实验结果第71-78页
    5.4 本章小结第78-79页
第六章 总结和展望第79-81页
    6.1 总结第79页
    6.2 展望第79-81页
致谢第81-82页
参考文献第82-86页
攻硕期间取得的研究成果第86-87页

论文共87页,点击 下载论文
上一篇:基于深度卷积神经网络的服装属性研究及其应用
下一篇:红外与可见光图像融合中的关键技术研究