| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 视频图像的去雨 | 第8-10页 |
| 1.2.2 单幅图像的去雨 | 第10-11页 |
| 1.2.3 现存的问题及难点 | 第11页 |
| 1.3 本文主要工作及章节安排 | 第11-14页 |
| 1.3.1 本文主要工作 | 第11-12页 |
| 1.3.2 本文章节安排 | 第12-14页 |
| 2 基于快速加权中值滤波引导的单幅雨天图像去雨方法 | 第14-26页 |
| 2.1 问题的提出 | 第14页 |
| 2.2 算法描述 | 第14-18页 |
| 2.2.1 快速加权中值滤波去除雨滴 | 第15-17页 |
| 2.2.2 引导滤波恢复图像纹理细节 | 第17-18页 |
| 2.3 实验结果及分析 | 第18-24页 |
| 2.3.1 合成雨天图像实验结果及分析 | 第19-21页 |
| 2.3.2 自然雨天图像实验结果及分析 | 第21-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 多阶段滤波的单幅雨天图像增强方法 | 第26-36页 |
| 3.1 问题的提出 | 第26页 |
| 3.2 雨天图像模型 | 第26-27页 |
| 3.3 算法描述 | 第27-30页 |
| 3.3.1 多阶段高斯滤波去除雨滴 | 第27-28页 |
| 3.3.2 暗通道先验去雾 | 第28-30页 |
| 3.4 实验结果及分析 | 第30-34页 |
| 3.4.1 合成雨天图像实验结果及分析 | 第30-32页 |
| 3.4.2 自然雨天图像实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 基于深度卷积的单幅夜间图像去雨方法 | 第36-46页 |
| 4.1 问题的提出 | 第36页 |
| 4.2 算法描述 | 第36-41页 |
| 4.2.1 相对平滑度方法分离夜间雨天图像 | 第37-38页 |
| 4.2.2 带颜色恢复的多尺度Retinex算法增强反射图像 | 第38页 |
| 4.2.3 自适应细节增强进一步细节增强 | 第38-39页 |
| 4.2.4 二次引导滤波实现图像分频 | 第39-40页 |
| 4.2.5 深度细节网络去除雨滴 | 第40-41页 |
| 4.3 实验结果及分析 | 第41-45页 |
| 4.3.1 自然夜间雨天实验结果及分析 | 第42-43页 |
| 4.3.2 合成夜间雨天实验结果及分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 研究展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |