| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 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 雾天环境增强 | 第9-11页 |
| 1.2.2 低照度图像增强 | 第11页 |
| 1.3 论文主要工作及结构安排 | 第11-14页 |
| 1.3.1 论文主要工作 | 第11-12页 |
| 1.3.2 论文结构安排 | 第12-14页 |
| 第二章 恶劣环境下图像增强基础 | 第14-19页 |
| 2.1 雾天图像的形成与特性 | 第14-16页 |
| 2.1.1 雾的定义 | 第14页 |
| 2.1.2 大气散射模型 | 第14-15页 |
| 2.1.3 雾天图像的特性 | 第15-16页 |
| 2.2 低照度图像的定义与特性 | 第16-17页 |
| 2.2.1 低照度的定义 | 第16页 |
| 2.2.2 Retinex理论 | 第16-17页 |
| 2.2.3 低照度图像的特性 | 第17页 |
| 2.3 本章小结 | 第17-19页 |
| 第三章 雾天图像增强处理 | 第19-42页 |
| 3.1 基于暗原色先验的图像增强处理 | 第19-26页 |
| 3.1.1 暗原色先验理论 | 第19-22页 |
| 3.1.2 透射率的估计 | 第22-24页 |
| 3.1.3 无雾图像的恢复 | 第24-25页 |
| 3.1.4 基于暗原色先验去雾算法优缺点分析 | 第25-26页 |
| 3.2 基于亮暗区域划分的去雾算法 | 第26-34页 |
| 3.2.1 透射率优化相关工作 | 第27-30页 |
| 3.2.2 亮暗区域的定义 | 第30-32页 |
| 3.2.3 基于亮暗区域划分的去雾算法 | 第32-34页 |
| 3.2.4 最优M值的选取 | 第34页 |
| 3.3 基于双类去雾图像融合的后处理算法 | 第34-37页 |
| 3.3.1 提升厚雾区域亮度的去雾算法 | 第35-36页 |
| 3.3.2 双类去雾图像的融合 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 低照度图像增强处理 | 第42-62页 |
| 4.1 基于Retinex的图像增强算法 | 第42-46页 |
| 4.1.1 单尺度Retinex算法 | 第42-43页 |
| 4.1.2 多尺度Retinex算法 | 第43-44页 |
| 4.1.3 传统Retinex算法优缺点分析 | 第44-46页 |
| 4.2 改进的Retinex算法增强处理 | 第46-49页 |
| 4.2.1 改进的高斯滤波器 | 第46-47页 |
| 4.2.2 入射光分量的映射与增强 | 第47-48页 |
| 4.2.3 入射光分量与反射光分量的结合 | 第48-49页 |
| 4.3 基于照度划分的背光图像增强与去噪算法 | 第49-57页 |
| 4.3.1 LIP模型 | 第50-51页 |
| 4.3.2 基于LIP模型的照度划分 | 第51-54页 |
| 4.3.3 各个照度区域增强算法的选择 | 第54-55页 |
| 4.3.4 基于照度划分的多尺度非局部均值滤波去噪算法 | 第55-57页 |
| 4.3.5 基于面积的加权融合 | 第57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 恶劣环境下图像增强效果综合评价 | 第62-70页 |
| 5.1 恶劣环境下图像增强效果综合评价系统 | 第62-63页 |
| 5.2 图像质量评价指标的选取 | 第63-65页 |
| 5.3 综合评价函数 | 第65-67页 |
| 5.3.1 质量评价指标的权重系数 | 第65-66页 |
| 5.3.2 综合评价函数 | 第66-67页 |
| 5.4 实验结果与分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录1 攻读硕士学位期间申请的专利 | 第76-77页 |
| 致谢 | 第77页 |