基于暗亮通道先验知识的图像去雾方法
摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第7-12页 |
1.1 研究背景及意义 | 第7-8页 |
1.2 国内外研究现状 | 第8-10页 |
1.2.1 基于图像增强的去雾方法 | 第8-9页 |
1.2.2 基于图像复原的去雾方法 | 第9-10页 |
1.2.3 基于卷积神经网络的图像去雾方法 | 第10页 |
1.3 论文主要研究内容及结构 | 第10-12页 |
2 雾天图像形成机制 | 第12-17页 |
2.1 雾的形成 | 第12页 |
2.2 光模型 | 第12-13页 |
2.3 透射率 | 第13-14页 |
2.4 大气光模型 | 第14-15页 |
2.5 图像成形 | 第15-17页 |
3 传统的去雾算法 | 第17-29页 |
3.1 基于图像增强的去雾方法 | 第17-24页 |
3.1.1 直方图均衡化去雾方法 | 第17-21页 |
3.1.2 Retinex去雾算法 | 第21-24页 |
3.2 基于单幅图像的去雾方法 | 第24-29页 |
3.2.1 基于独立分析的图像去雾方法 | 第24-27页 |
3.2.2 基于颜色的图像去雾方法 | 第27-29页 |
4 基于暗亮通道先验知识的图像去雾方法 | 第29-42页 |
4.1 暗通道先验透射率的估计 | 第29-32页 |
4.1.1 暗通道先验知识 | 第29-31页 |
4.1.2 基于暗通道先验的透射率估计 | 第31-32页 |
4.2 亮通道先验透射率的估计 | 第32-35页 |
4.2.1 亮通道先验知识 | 第32-34页 |
4.2.2 基于亮通道先验的透射率估计 | 第34-35页 |
4.3 基于暗亮通道的透射率估计 | 第35-36页 |
4.3.1 基于暗亮通道先验的透射率估计 | 第35页 |
4.3.2 透射率的优化 | 第35-36页 |
4.4 大气光的估计 | 第36-37页 |
4.5 实验结果及结论 | 第37-42页 |
4.5.1 合成图像去雾结果 | 第37-38页 |
4.5.2 自然图像去雾结果 | 第38-42页 |
结论 | 第42-43页 |
参考文献 | 第43-46页 |
攻读硕士学位期间发表学术论文情况 | 第46-47页 |
致谢 | 第47-49页 |