| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 航拍图像特点和道路特征分析 | 第12-14页 |
| 1.2.1 航拍图像特点 | 第12-13页 |
| 1.2.2 航拍图像中道路特性分析 | 第13-14页 |
| 1.3 国内外研究的现状 | 第14-15页 |
| 1.3.1 道路提取研究现状 | 第14-15页 |
| 1.3.2 图像清晰化研究现状 | 第15页 |
| 1.4 存在的问题与发展趋势 | 第15-16页 |
| 1.5 本文的主要内容与结构 | 第16-19页 |
| 第二章 基于幂次变换和尺度变化的Retinex航拍图像增强算法 | 第19-35页 |
| 2.1 Retinex理论基础 | 第19-23页 |
| 2.1.1 Retinex理论简介 | 第19-20页 |
| 2.1.2 Retinex理论发展 | 第20-23页 |
| 2.2 Retinex理论在不良天气下图像增强中的应用 | 第23-24页 |
| 2.3 改进的Retinex算法 | 第24-28页 |
| 2.3.1 景深信息对Retinex尺度的影响 | 第24-25页 |
| 2.3.2 滤波尺度确定 | 第25-27页 |
| 2.3.3 本文算法具体过程 | 第27-28页 |
| 2.4 实验结果与分析 | 第28-34页 |
| 2.4.1 图像客观评价标准 | 第28-29页 |
| 2.4.2 实验结果 | 第29-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于分数阶微分的航拍图像增强算法 | 第35-55页 |
| 3.1 分数阶微分理论基础 | 第35-38页 |
| 3.1.1 分数阶微积分的定义 | 第35-36页 |
| 3.1.2 分数阶微积分的特性分析 | 第36-38页 |
| 3.2 分数阶微分掩膜算子的构造 | 第38-47页 |
| 3.2.1 微分阶次G-L算子的建立 | 第38-41页 |
| 3.2.2 微分算子阶次的选择 | 第41-47页 |
| 3.3 改进的分数阶微分算子 | 第47-51页 |
| 3.4 实验结果与分析 | 第51-54页 |
| 3.4.1 图像增强的客观评价标准 | 第51页 |
| 3.4.2 实验结果 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于改进Canny算子的道路提取算法 | 第55-70页 |
| 4.1 边缘检测算法理论基础 | 第55-60页 |
| 4.1.1 经典的边缘检测算法 | 第55-60页 |
| 4.1.2 几种边缘检测算法性能对比 | 第60页 |
| 4.2 基于改进Canny算子的道路提取 | 第60-66页 |
| 4.2.1 基于改进Canny边缘检测的图像分割 | 第60-62页 |
| 4.2.2 道路形状和尺寸特征追踪的后处理 | 第62-66页 |
| 4.3 实验及其对比分析 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 基于谷点边界的道路提取算法 | 第70-83页 |
| 5.1 谷点边界检测算法分析 | 第70页 |
| 5.2 基于线段特点的谷点边缘检测算法 | 第70-76页 |
| 5.2.1 道路的谷点边界特性 | 第70-75页 |
| 5.2.2 基于谷点边界的道路检测算法 | 第75-76页 |
| 5.3 实验结果与分析 | 第76-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第六章 基于最小外接矩形的道路测量与分析 | 第83-92页 |
| 6.1 简单的目标外接矩形算法 | 第83-86页 |
| 6.1.1 简单的外接矩形算法 | 第83-84页 |
| 6.1.2 二阶矩的外接矩形算法 | 第84-85页 |
| 6.1.3 二阶矩外接矩形算法的边界条件 | 第85-86页 |
| 6.2 基于二阶矩的最小外接矩形的道路宽度测量及形状分析 | 第86-87页 |
| 6.3 实验结果与分析 | 第87-91页 |
| 6.4 本章小结 | 第91-92页 |
| 结论与展望 | 第92-94页 |
| 参考文献 | 第94-104页 |
| 攻读学位期间取得的研究成果 | 第104-105页 |
| 致谢 | 第105页 |
