| 符号列表 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 图像去雾算法研究现状及未来展望 | 第12-16页 |
| 1.2.1 基于非物理模型的图像去雾算法研究 | 第13页 |
| 1.2.2 基于物理模型的图像去雾算法研究 | 第13-14页 |
| 1.2.3 图像去雾算法应运现状 | 第14-16页 |
| 1.2.4 图像去雾算法未来展望 | 第16页 |
| 1.3 主要工作和成果 | 第16-19页 |
| 1.3.1 研究内容及及成果 | 第16-17页 |
| 1.3.2 论文机构 | 第17-19页 |
| 第二章 基于L_0Smoothing引导滤波的图像去雾算法 | 第19-43页 |
| 2.1 经典暗通道图像去雾算法 | 第19-23页 |
| 2.1.1 大气散射模型 | 第19-20页 |
| 2.1.2 经典去雾算法分析研究 | 第20-23页 |
| 2.2 多尺度下的暗通道图像求取 | 第23-25页 |
| 2.3 边缘保持滤波算法研究 | 第25-33页 |
| 2.3.1 L_0Smoothing滤波器 | 第25-27页 |
| 2.3.2 双边滤波器 | 第27-29页 |
| 2.3.3 引导滤波器 | 第29-33页 |
| 2.4 改进的透射率细化算法 | 第33-35页 |
| 2.5 基于L_0Smoothing引导滤波的图像去雾算法 | 第35-36页 |
| 2.6 实验结果分析与分析 | 第36-40页 |
| 2.6.1 透射率求取结果和分析 | 第36-38页 |
| 2.6.2 图像去雾算法结果和分析 | 第38-40页 |
| 2.6.3 图像去雾算法效率分析 | 第40页 |
| 2.7 本章小结 | 第40-43页 |
| 第三章 基于SOC的图像去雾算法设计 | 第43-59页 |
| 3.1 软件集成开发环境介绍 | 第43-44页 |
| 3.2 基于SOC的图像去雾算法框架 | 第44-50页 |
| 3.2.1 基于SOC的图像处理平台 | 第44-48页 |
| 3.2.2 基于SOC的图像去雾算法任务分解 | 第48-50页 |
| 3.3 基于SOC的去雾算法核心IP设计 | 第50-53页 |
| 3.3.1 基于HLS的IP设计流程 | 第50页 |
| 3.3.2 最小值滤波IP | 第50-52页 |
| 3.3.3 引导滤波IP | 第52-53页 |
| 3.4 实验结果与分析 | 第53-57页 |
| 3.4.1 基于HLS的最小值滤波IP仿真与分析 | 第53-55页 |
| 3.4.2 基于HLS的引导滤波IP仿真与分析 | 第55-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 基于SVM的图像去雾评价方法研究 | 第59-73页 |
| 4.1 图像去雾质量主观评价方法 | 第59-60页 |
| 4.2 基于SVM的图像去雾质量客观评价方法 | 第60-66页 |
| 4.2.1 颜色直方图相似度 | 第60-62页 |
| 4.2.2 图像清晰度 | 第62-64页 |
| 4.2.3 基于SVM的图像去雾质量综合评价指标 | 第64-66页 |
| 4.3 实验结果与分析 | 第66-72页 |
| 4.3.1 不同去雾算法的结果主观评价及分析 | 第66-68页 |
| 4.3.2 基于SVM的去雾质量评价实验分析 | 第68-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 作者在学期间取得的学术成果 | 第77页 |