| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 去雾图像客观评价方法的背景和意义 | 第14页 |
| 1.2 去雾图像客观评价方法面临的研究现状 | 第14-16页 |
| 1.3 图像深度图估计的背景和意义 | 第16页 |
| 1.4 图像深度图估计面临的研究现状 | 第16-17页 |
| 1.5 本文研究内容和章节安排 | 第17-20页 |
| 第二章 深度图生成方法及去雾图像质量评价的相关理论 | 第20-38页 |
| 2.1 引言 | 第20页 |
| 2.2 图像深度信息获取的相关理论基础 | 第20-24页 |
| 2.2.1 单眼深度线索 | 第20-23页 |
| 2.2.2 双眼深度线索 | 第23-24页 |
| 2.3 去雾图像质量评价相关理论基础 | 第24-37页 |
| 2.3.1 图像质量评价的一般方法 | 第24-27页 |
| 2.3.2 去雾图像的客观评价方法 | 第27-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于几何先验和边缘信息加权的深度图生成方法 | 第38-60页 |
| 3.1 引言 | 第38-39页 |
| 3.2 天空分割 | 第39-42页 |
| 3.3 基于几何先验的深度图创建 | 第42-49页 |
| 3.3.1 创建深度先验模板 | 第43-45页 |
| 3.3.2 消失点检测 | 第45-47页 |
| 3.3.3 基于天空分割进行修正 | 第47-49页 |
| 3.4 获取基于深度学习的深度图 | 第49-53页 |
| 3.4.1 基于深度卷积神经网络的深度图估计 | 第50-51页 |
| 3.4.2 基于天空分割进行修正 | 第51-53页 |
| 3.5 加权深度图的获取 | 第53-56页 |
| 3.5.1 细节丰富程度 | 第53-55页 |
| 3.5.2 加权求取最终深度图 | 第55-56页 |
| 3.6 实验结果及分析 | 第56-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第四章 去雾图像质量全参考客观评价方法 | 第60-72页 |
| 4.1 引言 | 第60页 |
| 4.2 大气散射模型 | 第60-64页 |
| 4.2.1 入射光衰减模型 | 第61-62页 |
| 4.2.2 大气光成像模型 | 第62-64页 |
| 4.2.3 雾天图像成像模型 | 第64页 |
| 4.3 生成合成雾图 | 第64-65页 |
| 4.4 建立去雾图像评价的数据库 | 第65-67页 |
| 4.5 去雾算法的评价及结果分析 | 第67-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-76页 |
| 5.1 本文主要工作 | 第72-74页 |
| 5.2 研究展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |