| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 本文组织结构 | 第12-13页 |
| 第二章 图像增强理论的相关概述 | 第13-29页 |
| 2.1 基本概念 | 第13-18页 |
| 2.1.1 RGB颜色空间 | 第13-14页 |
| 2.1.2 HSV颜色空间 | 第14-15页 |
| 2.1.3 HSI颜色空间 | 第15-16页 |
| 2.1.4 颜色空间的转换 | 第16-18页 |
| 2.1.5 颜色空间的选取 | 第18页 |
| 2.2 空域增强 | 第18-21页 |
| 2.2.1 灰度映射 | 第18-19页 |
| 2.2.2 直方图均衡化 | 第19-21页 |
| 2.3 频域增强 | 第21-26页 |
| 2.3.1 低通滤波器 | 第22-23页 |
| 2.3.2 高通滤波器 | 第23-24页 |
| 2.3.3 同态滤波器 | 第24-26页 |
| 2.4 图像评价指标 | 第26-28页 |
| 2.4.1 峰值信噪比 | 第26-27页 |
| 2.4.2 结构相似性 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 夜间图像增强典型算法概述 | 第29-42页 |
| 3.1 基于Retinex理论的图像增强算法 | 第29-34页 |
| 3.1.1 Retinex理论基础 | 第29-30页 |
| 3.1.2 单尺度算法 | 第30-32页 |
| 3.1.3 多尺度算法 | 第32页 |
| 3.1.4 Retinex理论在夜间图像增强中的应用 | 第32-34页 |
| 3.2 基于去雾理论的增强算法 | 第34-39页 |
| 3.2.1 基于暗通道的图像去雾理论 | 第34-39页 |
| 3.2.2 去雾理论在夜间图像增强中的应用 | 第39页 |
| 3.3 基于Lab颜色空间的增强算法 | 第39-41页 |
| 3.3.1 Lab颜色空间的优势 | 第39-40页 |
| 3.3.2 基于Lab增强算法在夜间图像增强中的应用 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 一种新的夜晚图像增强方法 | 第42-56页 |
| 4.1 局部背景图像亮度的重要性 | 第43页 |
| 4.1.1 局部背景图像亮度重要性的阐述 | 第43页 |
| 4.1.2 局部背景图像的获取 | 第43页 |
| 4.2 局部背景图像的增强变换 | 第43-46页 |
| 4.2.1 变换函数的选取 | 第43-45页 |
| 4.2.2 变换函数的优化 | 第45-46页 |
| 4.3 通过反卷积从增强的局部背景图像得到细节图像 | 第46-47页 |
| 4.4 实验结果与比较分析 | 第47-55页 |
| 4.4.1 实验结果的定性评价 | 第49-54页 |
| 4.4.2 实验结果的定量评价 | 第54-55页 |
| 4.4.3 下一步工作 | 第55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 在学期间研究成果 | 第60-61页 |
| 致谢 | 第61页 |
