| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 图像增强国内外研究现状 | 第15-17页 |
| 1.2.1 沙尘图像增强算法研究现状 | 第15-16页 |
| 1.2.2 图像去雾算法研究现状 | 第16-17页 |
| 1.3 文本检测国内外研究现状 | 第17-19页 |
| 1.3.1 基于特征的文本检测算法 | 第17-18页 |
| 1.3.2 基于机器学习的文本检测算法 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-20页 |
| 1.5 本文的组织结构 | 第20-23页 |
| 第2章 图像增强和文本检测相关算法介绍 | 第23-31页 |
| 2.1 图像增强算法 | 第23-27页 |
| 2.1.1 Retinex算法 | 第23-25页 |
| 2.1.2 CLAHE算法 | 第25-27页 |
| 2.2 文本检测算法 | 第27-30页 |
| 2.2.1 MSER算法 | 第27-28页 |
| 2.2.2 SWT算法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于多感知特征计算的沙尘图像增强算法 | 第31-42页 |
| 3.1 沙尘图像模型 | 第31-32页 |
| 3.2 本章所提算法 | 第32-37页 |
| 3.2.1 亮度增强 | 第32-34页 |
| 3.2.2 色调增强 | 第34-35页 |
| 3.2.3 暗通道先验去雾 | 第35-36页 |
| 3.2.4 CLAHE算法去雾 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-41页 |
| 3.3.1 主观结果对比 | 第37-38页 |
| 3.3.2 客观结果对比 | 第38-39页 |
| 3.3.3 其它相关实验 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于颜色传递的沙尘图像增强算法 | 第42-53页 |
| 4.1 基于场景Gist特征的图像匹配 | 第42-43页 |
| 4.2 颜色传递模型 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-51页 |
| 4.3.1 实验数据库 | 第44-45页 |
| 4.3.2 沙尘图像主观实验结果 | 第45-47页 |
| 4.3.3 沙尘图像客观实验结果 | 第47-49页 |
| 4.3.4 伪造沙尘图像实验结果 | 第49-51页 |
| 4.3.5 其它相关实验 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 基于MSER和CNN的沙尘图像文本检测算法 | 第53-63页 |
| 5.1 MSER特征提取 | 第54页 |
| 5.2 CNN网络设计 | 第54-56页 |
| 5.3 文本候选区域筛选 | 第56-59页 |
| 5.3.1 游程平滑算法 | 第57-58页 |
| 5.3.2 高斯平滑和面积筛选 | 第58-59页 |
| 5.4 实验结果及分析 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文 | 第71页 |