雾霾成像条件下的超像素级目标快速精准定位
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 引言 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 本文贡献 | 第13-14页 |
| 1.5 本文结构安排 | 第14-16页 |
| 第二章 背景知识 | 第16-22页 |
| 2.1 雾对图像造成降质现象的模型 | 第16-17页 |
| 2.2 单幅图像去雾算法 | 第17-19页 |
| 2.2.1 DCP去雾算法 | 第17-18页 |
| 2.2.2 Guided Filter去雾算法 | 第18-19页 |
| 2.3 超像素生成算法 | 第19-20页 |
| 2.3.1 SLIC超像素生成算法 | 第19页 |
| 2.3.2 EGS超像素生成算法 | 第19-20页 |
| 2.3.3 MeanShift超像素生成算法 | 第20页 |
| 2.4 区域协方差特征计算 | 第20-22页 |
| 第三章 图像视频去雾及应用 | 第22-46页 |
| 3.1 局部反照率无关的单幅图像去雾 | 第23-30页 |
| 3.1.1 有雾图像退化模型 | 第23-24页 |
| 3.1.2 大气光颜色估计 | 第24-25页 |
| 3.1.3 传导率图像初始化 | 第25页 |
| 3.1.4 边界保持的传导率图像迭代 | 第25-26页 |
| 3.1.5 分离传导率图像及图像恢复 | 第26-27页 |
| 3.1.6 结果及应用 | 第27-30页 |
| 3.2 基于TV-1最小化的单幅图像去雾 | 第30-37页 |
| 3.2.1 大气光面罩的初始化 | 第30-33页 |
| 3.2.2 大气光面罩的优化 | 第33-34页 |
| 3.2.3 清晰图像恢复 | 第34-36页 |
| 3.2.4 实验结果与对比 | 第36-37页 |
| 3.3 具有时空一致性的视频去雾 | 第37-42页 |
| 3.3.1 逐帧去雾 | 第37页 |
| 3.3.2 具有帧间一致性的光流估计 | 第37-39页 |
| 3.3.3 具有时间一致性的视频恢复 | 第39页 |
| 3.3.4 实验结果与对比 | 第39-42页 |
| 3.3.5 算法分析 | 第42页 |
| 3.4 本章小结 | 第42-46页 |
| 第四章 最大化相似性内聚网格及快速物体定位 | 第46-64页 |
| 4.1 算法概述 | 第47页 |
| 4.2 基于位置信息的超像素初始化 | 第47-51页 |
| 4.3 级联动态规划 | 第51-53页 |
| 4.4 超像素相似性度量 | 第53页 |
| 4.5 其他相关问题 | 第53-55页 |
| 4.6 使用超像素网格进行物体定位 | 第55-56页 |
| 4.7 实验评估 | 第56-61页 |
| 4.8 本章小结 | 第61-64页 |
| 第五章 基于最小拓扑结构变化的超像素网格化 | 第64-80页 |
| 5.1 问题的形式化 | 第64-66页 |
| 5.2 构建超像素图 | 第66-68页 |
| 5.3 基于最小拓扑结构变化的超像素网格规则化 | 第68-71页 |
| 5.3.1 位置差异 | 第68-69页 |
| 5.3.2 结构差异 | 第69页 |
| 5.3.3 分步能量最小化 | 第69-71页 |
| 5.4 与SP-Grid方法的关系 | 第71-72页 |
| 5.5 实验评估 | 第72-78页 |
| 5.5.1 实验设置 | 第72-73页 |
| 5.5.2 训练结果 | 第73页 |
| 5.5.3 与不同方法比较 | 第73-75页 |
| 5.5.4 不同图之间性能的比较 | 第75-76页 |
| 5.5.5 MTD特性分析 | 第76-78页 |
| 5.6 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 全文工作总结 | 第80页 |
| 6.2 未来工作展望 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 发表论文和参加科研情况说明 | 第90-92页 |
| 致谢 | 第92页 |
