首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于大气散射模型的图像去雾算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-14页
第一章 绪论第14-22页
    1.1 研究背景和意义第14-15页
    1.2 图像去雾技术的国内外研究现状第15-19页
        1.2.1 基于图像增强的去雾技术第15-16页
        1.2.2 基于大气散射模型的去雾技术第16-19页
    1.3 本文研究内容和章节安排第19-22页
        1.3.1 本文研究内容第19-20页
        1.3.2 本文章节安排第20-22页
第二章 图像去雾的基础理论第22-32页
    2.1 引言第22页
    2.2 大气散射模型第22-24页
    2.3 暗原色先验去雾算法第24-29页
        2.3.1 暗原色先验理论第24-26页
        2.3.2 估计大气光第26页
        2.3.3 估计初始透射率第26-27页
        2.3.4 估计细化透射率第27-29页
        2.3.5 恢复无雾图像第29页
    2.4 本章小结第29-32页
第三章 基于空间位置自适应补偿的快速图像去雾方法第32-50页
    3.1 引言第32页
    3.2 暗原色先验去雾算法的局限性第32-33页
    3.3 本章算法的整体流程第33-34页
    3.4 估计初始透射率第34-37页
        3.4.1 结合空间位置估计大气光第34-36页
        3.4.2 估计像素级初始透射率第36-37页
    3.5 估计优化透射率第37-43页
        3.5.1 基于自适应函数补偿透射率第37-40页
        3.5.2 基于空间位置修正透射率第40-43页
        3.5.3 基于高斯滤波平滑透射率第43页
    3.6 恢复无雾图像第43页
    3.7 实验结果与分析第43-49页
        3.7.1 去雾效果第44-48页
        3.7.2 去雾效率第48-49页
    3.8 本章小结第49-50页
第四章 基于边缘分类加权融合的图像去雾方法第50-68页
    4.1 引言第50页
    4.2 不准确透射率产生的原因及其影响第50-52页
    4.3 本章算法的整体流程第52-53页
    4.4 基于深度边缘先验的边缘分类第53-56页
        4.4.1 深度边缘先验第53-54页
        4.4.2 获取深度边缘第54-56页
    4.5 基于深度边缘加权的透射率估计第56-61页
        4.5.1 估计修正的暗原色值第56-58页
        4.5.2 估计平滑的暗原色值第58-60页
        4.5.3 估计平滑的透射率第60-61页
    4.6 恢复无雾图像第61页
    4.7 实验结果与分析第61-66页
    4.8 本章小结第66-68页
第五章 总结和展望第68-72页
    5.1 工作总结第68-69页
    5.2 研究展望第69-72页
参考文献第72-76页
致谢第76-78页
作者简介第78-79页

论文共79页,点击 下载论文
上一篇:基于数据挖掘的网络学习行为分析与研究
下一篇:面向互联网新闻的文本聚类算法研究与实现