高斯模型下的单幅图像可见度复原算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 课题的研究现状 | 第10-15页 |
| 1.2.1 基于图像增强方法的研究现状 | 第11-13页 |
| 1.2.2 基于图像复原方法的研究现状 | 第13页 |
| 1.2.3 基于图像融合方法的研究现状 | 第13-14页 |
| 1.2.4 基于机器学习方法的研究现状 | 第14-15页 |
| 1.2.5 大气光选取研究现状 | 第15页 |
| 1.3 本文主要研究内容及各章节安排 | 第15-17页 |
| 1.3.1 本文主要研究工作 | 第15-16页 |
| 1.3.2 章节安排 | 第16-17页 |
| 2 雾天图像退化机理及相关理论 | 第17-32页 |
| 2.1 大气散射模型 | 第17-21页 |
| 2.1.1 雾霾的定义及形成自然原理 | 第17页 |
| 2.1.2 散射原理 | 第17-18页 |
| 2.1.3 直接衰减模型 | 第18-19页 |
| 2.1.4 大气光模型 | 第19-21页 |
| 2.2 暗通道先验原理 | 第21-27页 |
| 2.2.1 暗通道先验基本概念 | 第21-23页 |
| 2.2.2 暗通道先验去雾效果与不足分析 | 第23-25页 |
| 2.2.3 暗通道先验优化 | 第25-27页 |
| 2.3 高斯函数模型 | 第27-29页 |
| 2.4 Retinex理论 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 光补偿雾化理论及去雾算法 | 第32-40页 |
| 3.1 光补偿概念的提出背景 | 第32-33页 |
| 3.2 光补偿雾化理论 | 第33-35页 |
| 3.3 图像复原 | 第35-38页 |
| 3.3.1 透射率估计 | 第35-37页 |
| 3.3.2 大气光估计 | 第37-38页 |
| 3.4 实验效果 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于高斯模型的单幅图像复原算法 | 第40-51页 |
| 4.1 基于高斯权重衰减的迭代优化去雾算法 | 第40-49页 |
| 4.1.1 Kirsch算子 | 第40-41页 |
| 4.1.2 透射率估计 | 第41-48页 |
| 4.1.3 实验效果 | 第48-49页 |
| 4.2 基于多尺度优化的单幅图像复原算法 | 第49-50页 |
| 4.2.1 多尺度透射率估计策略 | 第49-50页 |
| 4.2.2 实验效果 | 第50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 实验效果对比及主客观分析 | 第51-62页 |
| 5.1 图像分类及数据库设计 | 第51-53页 |
| 5.2 主观分析 | 第53-57页 |
| 5.3 客观分析 | 第57-61页 |
| 5.3.1 客观分析指标 | 第57-59页 |
| 5.3.2 客观数据 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间的研究成果 | 第69页 |
