基于图像增强的交通图像边缘检测研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 图像增强理论概述 | 第15-30页 |
| 2.1 颜色模型 | 第16-19页 |
| 2.1.1 RGB模式 | 第16页 |
| 2.1.2 HSV模式 | 第16-17页 |
| 2.1.3 RGB模式与HSV模式转换 | 第17-18页 |
| 2.1.4 YCbCr模式 | 第18-19页 |
| 2.2 直方图均衡化 | 第19-20页 |
| 2.3 全局色调映射方法 | 第20-22页 |
| 2.4 双边滤波算法 | 第22-24页 |
| 2.5 Retinex图像增强算法 | 第24-27页 |
| 2.5.1 色彩恒定理论 | 第24页 |
| 2.5.2 Retinex算法原理及模型 | 第24-26页 |
| 2.5.3 单尺度Retinex算法(SSR) | 第26-27页 |
| 2.6 图像质量评价指标 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 雾霾交通图像增强算法研究 | 第30-41页 |
| 3.1 雾霾交通图像的特点 | 第30页 |
| 3.2 雾气遮罩去雾算法 | 第30-32页 |
| 3.3 一种改进的基于雾气遮罩理论的去雾算法 | 第32-37页 |
| 3.3.1 亮度分量V的增强 | 第33-34页 |
| 3.3.2 饱和度分量S的增强 | 第34-35页 |
| 3.3.3 算法流程 | 第35-37页 |
| 3.4 算法结果评价 | 第37-40页 |
| 3.4.1 主观评价 | 第37-39页 |
| 3.4.2 客观评价 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 增强基础上的交通图像边缘检测 | 第41-49页 |
| 4.1 边缘检测的基本概念 | 第41-42页 |
| 4.2 常用的几种边缘检测算子 | 第42-47页 |
| 4.2.1 Sobel边缘检测算子 | 第42-43页 |
| 4.2.2 Roberts边缘检测算子 | 第43-44页 |
| 4.2.3 Prewitt边缘检测算子 | 第44-45页 |
| 4.2.4 Canny边缘检测算子 | 第45-47页 |
| 4.3 边缘检测的评价方法 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于Canny的自适应边缘检测算法 | 第49-56页 |
| 5.1 传统Canny算法存在的缺陷 | 第49页 |
| 5.2 改进的自适应Canny算法 | 第49-52页 |
| 5.2.1 导向滤波及其参数 | 第49-50页 |
| 5.2.2 自适应高低阈值获取算法 | 第50-52页 |
| 5.2.3 算法步骤 | 第52页 |
| 5.3 实验结果及分析 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第6章 总结 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-63页 |
| 申请学位期间的研究成果及发表的学术论文 | 第63页 |
