| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-14页 |
| 1.2.1 国外研究动态 | 第11-12页 |
| 1.2.2 国内研究动态 | 第12-14页 |
| 1.3 雾图清晰化过程中存在的问题 | 第14页 |
| 1.4 本文主要工作及章节安排 | 第14-16页 |
| 1.4.1 论文的主要工作 | 第14-15页 |
| 1.4.2 论文的内容安排 | 第15-16页 |
| 2 雾霾天降质图像清晰化理论基础 | 第16-26页 |
| 2.1 雾霾天的形成以及图像特征 | 第16-19页 |
| 2.1.1 雾霾天的形成原因 | 第16-17页 |
| 2.1.2 雾霾天图像特征 | 第17-19页 |
| 2.2 雾霾天降质图像的大气散射模型 | 第19-23页 |
| 2.2.1 入射光衰减模型 | 第19-20页 |
| 2.2.2 环境光模型 | 第20-22页 |
| 2.2.3 大气散射模型 | 第22-23页 |
| 2.2.4 雾图的降质退化模型 | 第23页 |
| 2.3 图像的清晰化质量评价指标 | 第23-25页 |
| 2.3.1 主观评价指标 | 第23页 |
| 2.3.2 客观评价指标 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于图像增强清晰化方法研究与实现 | 第26-41页 |
| 3.1 直方图均衡化清晰化算法 | 第26-29页 |
| 3.1.1 全局直方图均衡化 | 第26-27页 |
| 3.1.2 限制对比度直方图均衡化 | 第27-28页 |
| 3.1.3 实验结果分析 | 第28-29页 |
| 3.2 基于Retinex理论的清晰化算法 | 第29-36页 |
| 3.2.1 Retinex基本原理 | 第30-31页 |
| 3.2.2 单尺度Retinex(SSR)算法 | 第31-34页 |
| 3.2.3 多尺度Retinex(MSR)算法 | 第34页 |
| 3.2.4 实验结果分析 | 第34-36页 |
| 3.3 改进的基于HSV颜色空间转换的清晰化算法 | 第36-40页 |
| 3.3.1 颜色空间转换 | 第36页 |
| 3.3.2 改进的步骤以及流程 | 第36-37页 |
| 3.3.3 实验结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于DCP清晰化方法研究与实现 | 第41-56页 |
| 4.1 暗原色先验信息去雾清晰化算法 | 第41-47页 |
| 4.1.1 暗原色先验理论 | 第41-43页 |
| 4.1.2 暗原色先验清晰化算法实现 | 第43-46页 |
| 4.1.3 恢复无雾清晰化图像 | 第46-47页 |
| 4.2 暗原色去雾清晰化处理不足 | 第47页 |
| 4.3 基于DCP的改进清晰化算法 | 第47-52页 |
| 4.3.1 K-means法分割有雾图像 | 第47-49页 |
| 4.3.2 采用双边滤波优化透射率 | 第49-51页 |
| 4.3.3 选取大气光A | 第51页 |
| 4.3.4 方法实现步骤 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-55页 |
| 4.4.1 主观分析 | 第52-54页 |
| 4.4.2 客观分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 基于OpenCV与MFC的雾天图像清晰化软件实现 | 第56-62页 |
| 5.1 雾天图像清晰化软件设计目的 | 第56页 |
| 5.2 软件设计平台介绍 | 第56-57页 |
| 5.2.1 OpenCV简介 | 第56-57页 |
| 5.2.2 软件设计平台搭建 | 第57页 |
| 5.3 系统主要功能模块 | 第57-58页 |
| 5.3.1 软件总体设计流程 | 第57-58页 |
| 5.3.2 软件功能分析 | 第58页 |
| 5.4 雾图处理软件运行效果图 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |