单幅图像去雾算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 图像去雾算法的分类 | 第11-12页 |
| 1.3 课题研究现状 | 第12-16页 |
| 1.3.1 基于图像复原的去雾算法 | 第13-14页 |
| 1.3.2 基于图像增强的去雾算法 | 第14-16页 |
| 1.3.3 基于图像融合的去雾算法 | 第16页 |
| 1.4 课题主要研究内容 | 第16-17页 |
| 1.5 论文章节安排 | 第17-19页 |
| 第2章 雾天成像大气模型 | 第19-24页 |
| 2.1 雾的形成原理及分类 | 第19-20页 |
| 2.2 大气散射模型 | 第20-23页 |
| 2.2.1 入射光衰减模型 | 第20-21页 |
| 2.2.2 大气光模型 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 图像去雾算法的理论基础 | 第24-33页 |
| 3.1 直方图均衡化去雾方法 | 第24-25页 |
| 3.1.1 直方图均衡化分类 | 第24页 |
| 3.1.2 算法原理阐述 | 第24-25页 |
| 3.2 暗通道先验去雾方法 | 第25-28页 |
| 3.2.1 暗通道的概念 | 第26-27页 |
| 3.2.2 暗通道先验去雾算法 | 第27-28页 |
| 3.3 优化对比度增强去雾方法 | 第28-30页 |
| 3.3.1 算法阐述 | 第29页 |
| 3.3.2 核心算法 | 第29-30页 |
| 3.4 Retinex去雾算法 | 第30-32页 |
| 3.4.1 Retinex模型 | 第30页 |
| 3.4.2 Retinex算法去雾原理 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于图像融合的去雾算法 | 第33-44页 |
| 4.1 新算法阐述 | 第33页 |
| 4.2 增强有雾图像饱和度 | 第33-37页 |
| 4.2.1 获得近似深度图 | 第34-36页 |
| 4.2.2 结合深度图增加图像饱和度 | 第36-37页 |
| 4.3 Gamma矫正 | 第37-38页 |
| 4.4 增加有雾图像的细节信息 | 第38-39页 |
| 4.4.1 获取局部对比度图 | 第38-39页 |
| 4.4.2 增加有雾图像细节 | 第39页 |
| 4.5 图像融合 | 第39-43页 |
| 4.5.1 联合双边滤波算法 | 第40-42页 |
| 4.5.2 图像融合算法 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 结果对比与数据分析 | 第44-53页 |
| 5.1 实验结果对比 | 第44-48页 |
| 5.1.1 本文算法去雾结果 | 第44-45页 |
| 5.1.2 本文算法与其他算法去雾结果对比 | 第45-48页 |
| 5.2 主观评价 | 第48-49页 |
| 5.3 客观评价 | 第49-52页 |
| 5.3.1 评价方法简述 | 第49-51页 |
| 5.3.2 客观数据分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
