面向道路监控的暗原色去雾算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景及研究意义 | 第15-16页 |
| 1.2 图像去雾技术研究现状 | 第16-18页 |
| 1.2.1 基于图像增强的图像去雾技术 | 第16-17页 |
| 1.2.2 基于物理模型的图像去雾 | 第17-18页 |
| 1.3 论文结构安排及主要工作 | 第18-20页 |
| 1.3.1 论文结构安排 | 第19-20页 |
| 1.3.2 论文的主要工作 | 第20页 |
| 1.4 本章小结 | 第20-23页 |
| 第二章 雾霾图像退化机理及判别 | 第23-39页 |
| 2.1 雾霾的形成 | 第23页 |
| 2.2 雾霾图像降质模型 | 第23-26页 |
| 2.2.1 大气散射理论 | 第23-24页 |
| 2.2.2 大气散射模型 | 第24-26页 |
| 2.3 雾霾图像的判别 | 第26-37页 |
| 2.3.1 Gabor滤波器 | 第28-31页 |
| 2.3.2 SVM分类器 | 第31-34页 |
| 2.3.3 分类结果分析 | 第34-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于模型的去雾方法研究 | 第39-51页 |
| 3.1 基于模型的图像去雾 | 第39-41页 |
| 3.1.1 基于多幅图像的去雾方法 | 第39-40页 |
| 3.1.2 基于单幅图像的去雾方法 | 第40-41页 |
| 3.2 基于暗原色先验的图像去雾方法研究 | 第41-47页 |
| 3.2.1 暗通道先验理论 | 第41-42页 |
| 3.2.2 雾霾图像参数的估计 | 第42-45页 |
| 3.2.3 复原雾霾图像 | 第45-46页 |
| 3.2.4 暗原色先验的去雾算法存在的问题 | 第46-47页 |
| 3.3 实验对比与分析 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 改进的快速暗原色先验去雾方法 | 第51-67页 |
| 4.1 小波变换 | 第52-56页 |
| 4.1.1 多分辨分析 | 第52页 |
| 4.1.2 Mallat分解与重构算法 | 第52-56页 |
| 4.2 改进的暗原色去雾 | 第56-62页 |
| 4.2.1 自适应求取暗原色 | 第56-57页 |
| 4.2.2 双边滤波快速估计透射率 | 第57-61页 |
| 4.2.3 修复暗原色失效 | 第61-62页 |
| 4.3 对比度增强 | 第62-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 去雾算法实验结果与性能分析 | 第67-77页 |
| 5.1 实验结果 | 第67-72页 |
| 5.2 算法性能 | 第72-75页 |
| 5.3 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 论文工作总结 | 第77页 |
| 6.2 研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
