雾霾天气条件下能见度的检测与恢复算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 大气能见度值检测研究现状 | 第10-12页 |
| 1.2.2 能见度等级分类模型研究现状 | 第12页 |
| 1.2.3 能见度恢复研究现状 | 第12-14页 |
| 1.3 研究内容及论文结构 | 第14-17页 |
| 第二章 基于暗通道先验的雾霾能见度值估计算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 大气散射模型 | 第17-20页 |
| 2.2.1 大气散射理论模型 | 第18-19页 |
| 2.2.2 能见度的测量 | 第19-20页 |
| 2.3 基于暗通道先验的雾霾能见度值估计算法 | 第20-26页 |
| 2.3.1 暗通道先验理论 | 第20-21页 |
| 2.3.2 基于暗通道的能见度估计 | 第21-22页 |
| 2.3.3 基于辅助车道线检测的能见度估计 | 第22-24页 |
| 2.3.4 基于引导滤波的能见度估计 | 第24-26页 |
| 2.4 能见度检测结果 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于深度学习的雾霾等级分类方法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 深度学习基础理论 | 第29-38页 |
| 3.2.1 深度学习研究现状 | 第29-30页 |
| 3.2.2 神经网络概述 | 第30-34页 |
| 3.2.3 深度学习常用模型 | 第34-38页 |
| 3.3 基于CNN的雾霾图像等级分类 | 第38-45页 |
| 3.3.1 网络模型搭建 | 第39-41页 |
| 3.3.2 对比实验分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于交叉相对总变差模型的雾霾图像恢复方法 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 基于DCP的图像恢复理论框架 | 第46-47页 |
| 4.3 天空亮度估计方法 | 第47-48页 |
| 4.4 现有透射率精细估计方法 | 第48-50页 |
| 4.4.1 软抠图法 | 第48-49页 |
| 4.4.2 双边滤波法 | 第49-50页 |
| 4.5 交叉相对总变差模型 | 第50-53页 |
| 4.6 恢复结果对比分析 | 第53-62页 |
| 4.6.1 实验结果及主观评价 | 第53-58页 |
| 4.6.2 客观评价标准及结果 | 第58-61页 |
| 4.6.3 运行时间评估 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间申请的专利 | 第68-69页 |
| 致谢 | 第69页 |
