| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8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15-25页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 图像去雾算法的国内外研究现状分析 | 第16-20页 |
| 1.2.1 基于图像增强的去雾算法研究 | 第16-18页 |
| 1.2.2 基于雾天图像退化模型的去雾算法研究 | 第18-20页 |
| 1.3 去雾图像质量评价算法研究现状 | 第20-21页 |
| 1.4 论文研究内容及安排 | 第21-25页 |
| 第二章 雾化图像降质机理及暗通道统计规律 | 第25-31页 |
| 2.1 雾天天气下场景退化机理分析 | 第25页 |
| 2.2 雾天图像退化模型建立 | 第25-27页 |
| 2.2.1 入射光衰减模型 | 第26页 |
| 2.2.2 大气光衰减模型 | 第26页 |
| 2.2.3 雾天图像退化模型 | 第26-27页 |
| 2.3 暗通道先验理论 | 第27-29页 |
| 2.3.1 暗通道先验统计知识 | 第27-28页 |
| 2.3.2 图像景深估计 | 第28-29页 |
| 2.3.3 基于暗通道先验知识的图像去雾算法流程 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于暗通道先验下场景深度优化的图像去雾算法 | 第31-47页 |
| 3.1 引言 | 第31-32页 |
| 3.2 改进引导滤波器及相对总变差RTV模型 | 第32-34页 |
| 3.2.1 引导滤波器 | 第32页 |
| 3.2.2 加权引导滤波器 | 第32-33页 |
| 3.2.3 基于大气光幕的引导滤波去雾算法 | 第33页 |
| 3.2.4 相对总变差RTV模型 | 第33-34页 |
| 3.3 雾天图像退化模型 | 第34-35页 |
| 3.4 全局大气光值A的确定 | 第35页 |
| 3.5 基于暗通道先验的场景深度图估计 | 第35页 |
| 3.6 基于改进导向图的加权引导滤波图像去雾算法 | 第35-42页 |
| 3.6.1 导向图的优化 | 第36-37页 |
| 3.6.2 基于改进导向图的加权引导滤波方法优化场景深度图 | 第37-39页 |
| 3.6.3 无雾图像复原 | 第39页 |
| 3.6.4 基于改进导向图的加权引导滤波去雾算法结果分析与对比 | 第39-42页 |
| 3.7 基于相对总变差RTV正则化优化的图像去雾算法 | 第42-45页 |
| 3.7.1 场景深度图的自适应补偿 | 第42-43页 |
| 3.7.2 基于相对总变差RTV正则化方法优化场景深度图 | 第43页 |
| 3.7.3 基于相对总变差RTV正则化的去雾算法结果分析与对比 | 第43-45页 |
| 3.8 本章小结 | 第45-47页 |
| 第四章 基于排序学习的去雾图像质量评价 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 基于排序学习的去雾图像质量评价算法 | 第48-56页 |
| 4.2.1 特征提取 | 第49-53页 |
| 4.2.2 数据库建立 | 第53-55页 |
| 4.2.3 评价算法实现 | 第55-56页 |
| 4.3 本文算法结果分析与对比 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文研究内容 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
