| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于图像增强的去雾方法 | 第11-12页 |
| 1.2.2 基于图像恢复的去雾方法 | 第12-14页 |
| 1.3 论文主要内容及章节安排 | 第14-17页 |
| 1.3.1 论文主要内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-17页 |
| 第二章 相关理论基础 | 第17-29页 |
| 2.1 大气散射物理模型 | 第17-20页 |
| 2.1.1 雾霾产生机理 | 第17-18页 |
| 2.1.2 大气散射物理模型 | 第18-20页 |
| 2.2 监督学习算法之线性回归算法 | 第20-22页 |
| 2.2.1 机器学习简介 | 第20-21页 |
| 2.2.2 监督学习算法之线性回归算法 | 第21-22页 |
| 2.3 暗原色原理求透射率 | 第22-26页 |
| 2.3.1 暗原色先验知识 | 第22-24页 |
| 2.3.2 软扣图算法 | 第24页 |
| 2.3.3 引导滤波 | 第24-26页 |
| 2.4 小波融合 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于颜色衰减先验的去雾方法 | 第29-35页 |
| 3.1 颜色衰减先验知识 | 第29-30页 |
| 3.2 颜色衰减先验去雾算法 | 第30-32页 |
| 3.3 颜色衰减先验去雾存在的不足 | 第32-33页 |
| 3.3.1 大气散射系数的选择 | 第32页 |
| 3.3.2 颜色衰减先验对雾浓的图像失效 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于颜色衰减先验的小波融合图像去雾 | 第35-43页 |
| 4.1 估计大气光值 | 第35页 |
| 4.2 粗估计透射率 | 第35-39页 |
| 4.2.1 建立透射率关于图像亮度饱和度的线性模型 | 第35-36页 |
| 4.2.2 训练样本的生成 | 第36-37页 |
| 4.2.3 学习策略 | 第37-39页 |
| 4.3 图像灰度图反转图作为透射率进行去雾 | 第39-40页 |
| 4.4 透射率融合 | 第40-41页 |
| 4.5 图像去雾流程 | 第41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 图像去雾算法的性能评价 | 第43-53页 |
| 5.1 去雾图像主观评价 | 第43-46页 |
| 5.1.1 真实场景图像去雾 | 第43-45页 |
| 5.1.2 清晰图像生成雾图像并去雾 | 第45-46页 |
| 5.2 去雾图像客观评价 | 第46-50页 |
| 5.2.1 真实图像去雾的客观评价 | 第46-48页 |
| 5.2.2 模拟雾图像的去雾客观评价 | 第48-50页 |
| 5.3 去雾的效率评价 | 第50页 |
| 5.4 本章小结 | 第50-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间发表的学术论文目录 | 第63页 |