| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 问题的背景与意义 | 第7-9页 |
| 1.2 本文结构 | 第9-10页 |
| 第二章 基于暗通道的去雾方法 | 第10-21页 |
| 2.1 研究现状 | 第10-12页 |
| 2.1.1 基于图像增强的方法 | 第10-12页 |
| 2.1.2 基于物理模型的方法 | 第12页 |
| 2.2 大气光散射模型 | 第12-15页 |
| 2.2.1 景色退化模型 | 第13页 |
| 2.2.2 空气光线增强模型 | 第13-15页 |
| 2.3 基于暗通道的去雾方法 | 第15-21页 |
| 2.3.1 暗通道介绍 | 第15-16页 |
| 2.3.2 算法实现相关技术 | 第16-21页 |
| 第三章 自适应的基于暗通道先验的去雾方法 | 第21-29页 |
| 3.1 暗通道补偿 | 第21-23页 |
| 3.2 重估大气光 | 第23-24页 |
| 3.3 实验结果分析 | 第24-29页 |
| 3.3.1 自适应的基于暗通道先验的去雾方法 | 第24-26页 |
| 3.3.2 使用 MSE 对去雾效果进行评价 | 第26-29页 |
| 第四章 基于 GPU 雾天图像解码加速 | 第29-39页 |
| 4.1 JPEG 图像解码 | 第29-32页 |
| 4.1.1 Huffman 解码 | 第29-31页 |
| 4.1.2 离散余弦变换以及逆变换 | 第31页 |
| 4.1.3 颜色空间转换与升采样 | 第31-32页 |
| 4.2 OPENCL 简介 | 第32-34页 |
| 4.3 基于 OPENCL 的雾天图像 JPEG 解码加速 | 第34-37页 |
| 4.3.1 图像解码过程 | 第35-36页 |
| 4.3.2 kernel 函数设计 | 第36-37页 |
| 4.4 实验结果与分析 | 第37-39页 |
| 第五章 总结与展望 | 第39-41页 |
| 5.1 总结 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 在学期间公开发表论文及著作情况 | 第45页 |