| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 图像去雾算法国内外研究现状 | 第11-13页 |
| 1.2.1 基于图像增强算法 | 第11-12页 |
| 1.2.2 基于物理模型还原算法 | 第12-13页 |
| 1.3 图像拼接算法国内外研究现状 | 第13-15页 |
| 1.4 论文主要研究内容 | 第15-18页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 论文结构 | 第16-18页 |
| 2 图像拼接相关理论 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 成像模型原理 | 第18-22页 |
| 2.2.1 三种坐标系 | 第18-20页 |
| 2.2.2 三种坐标系之间的转换 | 第20页 |
| 2.2.3 图像变换模型 | 第20-22页 |
| 2.3 图像拼接流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 图像去雾技术 | 第24-45页 |
| 3.1 雾天图像低质原因 | 第24-28页 |
| 3.1.1 大气衰减模型 | 第24-27页 |
| 3.1.2 雾天及低照度图像的特征 | 第27-28页 |
| 3.2 直方图均衡化去雾算法 | 第28-31页 |
| 3.2.1 全局直方图均衡化 | 第28-29页 |
| 3.2.2 基于RGB空间的CLAHE算法 | 第29-30页 |
| 3.2.3 基于HSI空间的CLAHE算法 | 第30-31页 |
| 3.3 基于暗通道先验去雾算法 | 第31-36页 |
| 3.3.1 暗原色先验理论 | 第31-32页 |
| 3.3.2 暗原色先验去雾原理 | 第32-35页 |
| 3.3.3 改进的实时图像去雾算法 | 第35-36页 |
| 3.4 实验结果分析 | 第36-43页 |
| 3.4.1 三种去雾算法实验结果 | 第36-38页 |
| 3.4.2 改进后的去雾算法实验结果与分析 | 第38-41页 |
| 3.4.3 去雾算法实时性分析 | 第41-42页 |
| 3.4.4 客观评价 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 图像特征提取和图像融合 | 第45-70页 |
| 4.1 引言 | 第45页 |
| 4.2 基于特征点的图像配准流程 | 第45-46页 |
| 4.3 特征提取相关理论 | 第46-54页 |
| 4.3.1 SURF算法 | 第47-53页 |
| 4.3.2 ORB算法 | 第53-54页 |
| 4.4 RANSAC算法 | 第54-55页 |
| 4.5 SURF算法与ORB算法实验配准结果 | 第55-60页 |
| 4.6 自适应最优单应矩阵估计算法 | 第60-64页 |
| 4.6.1 图像配准误差函数 | 第61页 |
| 4.6.2 SURF算法和ORB算法的配准误差对比 | 第61-62页 |
| 4.6.3 自适应最优单应矩阵估计算法原理 | 第62-64页 |
| 4.7 图像融合 | 第64-69页 |
| 4.7.1 最大值法 | 第64页 |
| 4.7.2 平均值法 | 第64页 |
| 4.7.3 加权平均法 | 第64-65页 |
| 4.7.4 改进的渐入渐出法 | 第65-66页 |
| 4.7.5 融合结果分析 | 第66-69页 |
| 4.8 本章小结 | 第69-70页 |
| 5 雾霾图像实时拼接系统实现 | 第70-83页 |
| 5.1 引言 | 第70页 |
| 5.2 雾霾图像实时拼接系统流程 | 第70页 |
| 5.3 实验平台搭建 | 第70-72页 |
| 5.4 实验结果分析 | 第72-82页 |
| 5.5 本章小结 | 第82-83页 |
| 结论 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第90页 |