低照度条件下图像增强研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 低照度图像增强研究现状 | 第9-11页 |
| 1.2.1 非物理模型方法 | 第9-11页 |
| 1.2.2 基于物理模型的方法 | 第11页 |
| 1.3 本文主要工作和章节安排 | 第11-14页 |
| 第2章 传统的低照度图像增强算法 | 第14-28页 |
| 2.1 直方图均衡化 | 第14-15页 |
| 2.2 色调映射算法 | 第15-19页 |
| 2.2.1 基本色调映射算法 | 第15-19页 |
| 2.2.2 自适应色调映射算法 | 第19页 |
| 2.3 基于人类视觉系统的算法 | 第19-23页 |
| 2.3.1 人类视觉系统 | 第19-20页 |
| 2.3.2 人类视觉系统与图像增强 | 第20-23页 |
| 2.4 滤波方法 | 第23-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于暗原色先验的低照度图像增强 | 第28-38页 |
| 3.1 大气散射模型及暗原色先验 | 第28-31页 |
| 3.2 低照度图像和雾天图像 | 第31-32页 |
| 3.3 基于暗原色先验的图像去雾 | 第32-35页 |
| 3.3.1 透射率估计 | 第33-34页 |
| 3.3.2 去雾图像 | 第34-35页 |
| 3.4 基于去雾方法的低照度图像增强 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于图像深度和色调映射的低照度图像增强 | 第38-46页 |
| 4.1 基于暗通道先验的深度信息估计方法 | 第38-39页 |
| 4.2 设计色调映射函数 | 第39-41页 |
| 4.2.1 图像亮度提升 | 第39-40页 |
| 4.2.2 基于深度信息的自适应亮度增强 | 第40-41页 |
| 4.3 基于图像分层和梯度信息的局部对比度增强 | 第41-42页 |
| 4.4 所提算法 | 第42-43页 |
| 4.5 实验及结果分析 | 第43-44页 |
| 4.6 本章小结 | 第44-46页 |
| 第5章 基于暗通道和双边滤波的低照度图像增强 | 第46-56页 |
| 5.1 低照度图像及其暗通道 | 第46-47页 |
| 5.2 基于暗通道图像的平均亮度估计 | 第47-48页 |
| 5.3 基于暗原色先验的图像光晕抑制 | 第48-50页 |
| 5.4 双边滤波 | 第50-52页 |
| 5.5 所提算法流程 | 第52-53页 |
| 5.6 实验与结果分析 | 第53-55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 总结和展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-64页 |
| 致谢 | 第64-65页 |
