首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

雾霾天图像增强算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-13页
    1.1 研究背景第9-10页
    1.2 研究现状第10-11页
    1.3 本文的主要研究内容及各章节安排第11-13页
第二章 雾霾天图像成像模型分析第13-19页
    2.1 单散射雾天成像模型第13-14页
    2.2 多散射雾天成像模型第14-17页
    2.3 本章小结第17-19页
第三章 基于图像增强的图像去雾第19-33页
    3.1 概述第19页
    3.2 基于非物理模型的算法第19-21页
    3.3 全局化增强算法——传统Retinex算法第21-24页
        3.3.1 Retinex理论介绍第21-22页
        3.3.2 单尺度Retinex算法第22-23页
        3.3.3 多尺度Retinex算法第23-24页
    3.4 基于修正Retinex模型的图像增强算法第24-28页
        3.4.1 修正的Retinex模型第25页
        3.4.2 入射分量的修正第25-27页
        3.4.3 反射分量的修正第27-28页
    3.5 实验结果分析第28-30页
    3.6 本章小结第30-33页
第四章 自适应Retinex增强算法第33-45页
    4.1 概述第33页
    4.2 自适应局部Retinex增强算法第33-36页
        4.2.1 局部Retinex增强第33-34页
        4.2.2 图像融合第34-36页
    4.3 实验结果与分析第36-37页
    4.4 基于HSV色彩空间的局部Retinex算法第37-42页
        4.4.1 HSV色彩空间第37-40页
        4.4.2 基于HSV色彩空间的图像处理第40-41页
        4.4.3 雾噪声图像基于HSV空间的局部Retinex增强算法第41-42页
    4.5 实验结果与分析第42-44页
    4.6 本章小结第44-45页
第五章 总结与展望第45-47页
参考文献第47-51页
发表论文和参加科研情况第51-53页
致谢第53页

论文共53页,点击 下载论文
上一篇:基于机器视觉的坩埚缺陷检测方法研究
下一篇:浓雾天气下基于改进的大气散射模型和CNN的车牌识别