基于暗通道先验的图像和视频去雾模型及算法研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-33页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-29页 |
| 1.2.1 图像降质的数学模型 | 第16-20页 |
| 1.2.2 去雾算法 | 第20-27页 |
| 1.2.3 去雾算法的应用 | 第27页 |
| 1.2.4 去雾算法的性能评价 | 第27-28页 |
| 1.2.5 小结 | 第28-29页 |
| 1.3 本文的主要工作和创新点 | 第29-33页 |
| 1.3.1 本文的主要工作 | 第29-31页 |
| 1.3.2 论文的创新点 | 第31-33页 |
| 第二章 基于暗通道先验的图像去雾模型 | 第33-65页 |
| 2.1 基于暗通道先验的去雾模型 | 第33-43页 |
| 2.1.1 暗通道先验 | 第33-35页 |
| 2.1.2 暗通道先验去雾模型 | 第35-38页 |
| 2.1.3 估计大气环境光 | 第38-39页 |
| 2.1.4 算法分析和实验结果 | 第39-43页 |
| 2.2 Soft matting优化大气透射率 | 第43-50页 |
| 2.2.1 透射率优化模型 | 第43-48页 |
| 2.2.2 性能分析 | 第48-50页 |
| 2.3 向导图像滤波优化大气透射率 | 第50-62页 |
| 2.3.1 向导图像滤波模型 | 第50-57页 |
| 2.3.2 与Soft matting模型比较 | 第57-60页 |
| 2.3.3 性能分析 | 第60-62页 |
| 2.4 本章小结 | 第62-65页 |
| 第三章 迭代向导图像滤波去雾模型 | 第65-79页 |
| 3.1 迭代向导图像滤波模型 | 第65-68页 |
| 3.2 模型分析 | 第68-71页 |
| 3.2.1 模型几何解释 | 第68-69页 |
| 3.2.2 边缘保持和图像梯度保持 | 第69-71页 |
| 3.3 算法及收敛性 | 第71-74页 |
| 3.4 实验结果 | 第74-77页 |
| 3.5 本章小结 | 第77-79页 |
| 第四章 图像去雾的变分模型及其快速算法 | 第79-98页 |
| 4.1 一类图像去雾的变分框架 | 第79-88页 |
| 4.1.1 问题描述 | 第79-81页 |
| 4.1.2 图像去雾的变分模型 | 第81-84页 |
| 4.1.3 去雾模型的差分格式 | 第84-88页 |
| 4.2 算法流程与计算效率 | 第88-92页 |
| 4.2.1 算法流程 | 第88-89页 |
| 4.2.2 参数分析 | 第89-90页 |
| 4.2.3 算法效率 | 第90-92页 |
| 4.3 实验结果 | 第92-96页 |
| 4.4 本章小结 | 第96-98页 |
| 第五章 自适应加权最小二乘去雾模型 | 第98-117页 |
| 5.1 加权最小二乘模型 | 第98-100页 |
| 5.2 自适应WLS去雾模型 | 第100-105页 |
| 5.3 模型分析 | 第105-107页 |
| 5.4 可调整的大气环境光 | 第107-108页 |
| 5.5 参数分析 | 第108-111页 |
| 5.6 实验结果 | 第111-115页 |
| 5.7 本章小结 | 第115-117页 |
| 第六章 基于双边向导图像滤波的视频去雾算法 | 第117-139页 |
| 6.1 视频去雾算法的设计 | 第117-121页 |
| 6.2 双边向导图像滤波 | 第121-129页 |
| 6.3 大气透射率下采样 | 第129-132页 |
| 6.4 算法流程和参数讨论 | 第132-134页 |
| 6.5 实验结果 | 第134-137页 |
| 6.6 本章小结 | 第137-139页 |
| 第七章 总结与展望 | 第139-142页 |
| 7.1 论文工作总结 | 第139-140页 |
| 7.2 下一步工作展望 | 第140-142页 |
| 致谢 | 第142-144页 |
| 参考文献 | 第144-156页 |
| 作者在学期间取得的学术成果 | 第156页 |
