| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于非物理模型的图像增强方法 | 第10-12页 |
| 1.2.2 基于物理模型的雾霾图像复原方法 | 第12-13页 |
| 1.3 主要研究内容及章节安排 | 第13-15页 |
| 第二章 雾霾图像分析及大气散射理论 | 第15-25页 |
| 2.1 雾霾定义 | 第15-16页 |
| 2.2 大气散射理论 | 第16-20页 |
| 2.2.1 大气散射模型 | 第16-17页 |
| 2.2.2 入射光的衰减模型 | 第17-18页 |
| 2.2.3 大气光成像模型 | 第18-20页 |
| 2.3 雾霾图像退化模型 | 第20-22页 |
| 2.4 雾霾图像分析和基本特征 | 第22-24页 |
| 2.4.1 雾霾图像分析 | 第22-23页 |
| 2.4.2 雾霾图像特征 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于非物理模型的图像去雾算法 | 第25-45页 |
| 3.1 基于直方图均衡化的去雾算法 | 第25-28页 |
| 3.2 基于同态滤波的去雾算法 | 第28-31页 |
| 3.3 基于Retinex算法的去雾算法 | 第31-44页 |
| 3.3.1 色彩恒常性 | 第31-32页 |
| 3.3.2 Retinex理论基础 | 第32-34页 |
| 3.3.3 单尺度Retinex算法(SSR) | 第34-36页 |
| 3.3.4 多尺度Retinex算法(MSR) | 第36-38页 |
| 3.3.5 Frankle-McCannRetinex算法(FMR) | 第38-41页 |
| 3.3.6 McCann99Retinex算法 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于暗通道先验的图像去雾算法 | 第45-59页 |
| 4.1 暗通道先验理论 | 第45-47页 |
| 4.2 暗通道先验去雾算法 | 第47-53页 |
| 4.2.1 透射率估计 | 第47-48页 |
| 4.2.2 软抠图(SoftMatting) | 第48-50页 |
| 4.2.3 导向滤波(GuidedImageFiltering) | 第50-52页 |
| 4.2.4 大气光估计 | 第52-53页 |
| 4.2.5 无雾图像复原 | 第53页 |
| 4.3 暗通道先验去雾算法改进 | 第53-58页 |
| 4.3.1 优化大气光估算方法 | 第53-56页 |
| 4.3.2 透射率优化 | 第56-57页 |
| 4.3.3 自适应滤波窗口 | 第57页 |
| 4.3.4 改进算法总结 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验结果评价与分析 | 第59-73页 |
| 5.1 图像评价方法 | 第59-65页 |
| 5.1.1 基于可见边的评价方法 | 第59-61页 |
| 5.1.2 基于结构相似性(SSIM)的评价方法 | 第61-63页 |
| 5.1.3 基于均方误差(MSE)的评价方法 | 第63-64页 |
| 5.1.4 基于峰值信噪比(PSNR)的评价方法 | 第64页 |
| 5.1.5 基于信息熵的评价方法 | 第64页 |
| 5.1.6 基于平均梯度的评价方法 | 第64-65页 |
| 5.2 去雾算法仿真实验及结果分析 | 第65-72页 |
| 5.2.1 针对薄雾图像的去雾仿真及结果分析 | 第65-67页 |
| 5.2.2 针对中度雾图像的去雾仿真及结果分析 | 第67-69页 |
| 5.2.3 针对浓雾图像的去雾仿真及结果分析 | 第69-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80页 |