| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10页 |
| 1.2 课题的研究背景及其意义 | 第10-12页 |
| 1.3 课题的国内外研究现状 | 第12-17页 |
| 1.3.1 基于图像增强的去雾算法 | 第12-14页 |
| 1.3.2 基于图像复原的去雾算法 | 第14-17页 |
| 1.4 本文的主要内容及各章节安排 | 第17-20页 |
| 第2章 大气散射模型及退化机理分析 | 第20-28页 |
| 2.1 雾的形成机理 | 第20-21页 |
| 2.1.1 雾的定义及其影响 | 第20-21页 |
| 2.1.2 雾的形成机理 | 第21页 |
| 2.2 大气散射模型 | 第21-26页 |
| 2.2.1 入射光衰退模型 | 第22-23页 |
| 2.2.2 大气成像模型 | 第23-24页 |
| 2.2.3 雾天图像成像模型 | 第24-26页 |
| 2.3 图像在雾天退化的原因 | 第26-27页 |
| 2.3.1 图像退化降质的原因 | 第26页 |
| 2.3.2 图像颜色失真的原因 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于模型的图像去雾方法 | 第28-40页 |
| 3.1 概述 | 第28-29页 |
| 3.2 利用多幅图像进行去雾 | 第29-31页 |
| 3.2.1 基于光的偏振性的多幅图像去雾 | 第29-30页 |
| 3.2.2 基于场景深度信息的多幅图像去雾 | 第30-31页 |
| 3.3 利用单幅图像进行去雾 | 第31-32页 |
| 3.4 基于暗原色先验的单幅图像去雾方法 | 第32-38页 |
| 3.4.1 暗原色先验理论 | 第32-34页 |
| 3.4.2 暗原色先验图像去雾 | 第34-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 改进的基于暗原色先验的图像去雾方法 | 第40-66页 |
| 4.1 导向滤波器 | 第40-44页 |
| 4.1.1 概述 | 第40-41页 |
| 4.1.2 导向滤波的原理 | 第41-43页 |
| 4.1.3 滤波内核 | 第43-44页 |
| 4.2 暗原色先验算法存在的缺陷和不足 | 第44-47页 |
| 4.2.1 大气光的亮度值估计不够准确 | 第44-46页 |
| 4.2.2 对透射率优化耗时太长,致使去雾效率较低 | 第46-47页 |
| 4.3 改进的基于暗原色先验的图像去雾 | 第47-50页 |
| 4.3.1 估计大气光的亮度值 | 第47-48页 |
| 4.3.2 基于导向滤波的透射率快速优化 | 第48-50页 |
| 4.4 实验结果与分析 | 第50-64页 |
| 4.4.1 与He等人实验结果对比 | 第50-53页 |
| 4.4.2 与Raanan Fattal实验结果对比 | 第53-56页 |
| 4.4.3 与Jean-Philippe Tarel实验结果对比 | 第56-59页 |
| 4.4.4 本文的实验结果 | 第59-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 图像去雾效果评价方法 | 第66-74页 |
| 5.1 基于视觉感知的去雾效果客观评价方法 | 第66-70页 |
| 5.1.1 CNC的总体框架和评价指标 | 第66-69页 |
| 5.1.2 CNC综合评价函数的构建 | 第69-70页 |
| 5.2 采用CNC综合评价体系对本文去雾结果进行定量评价 | 第70-72页 |
| 5.3 本章小结 | 第72-74页 |
| 第6章 结论 | 第74-76页 |
| 6.1 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82页 |
