| 附件 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 图像增强方法的发展历程与现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-17页 |
| 第二章 直方图均衡化方法的理论基础 | 第17-25页 |
| 2.1 直方图均衡化方法的数学原理 | 第17页 |
| 2.2 直方图均衡化方法分类及其数学模型 | 第17-21页 |
| 2.3 信息熵与信息能量 | 第21-22页 |
| 2.4 彩色车牌图像的灰度转换 | 第22页 |
| 2.5 图像增强的系统评价标准 | 第22-25页 |
| 第三章 全局均衡化算法及改进 | 第25-43页 |
| 3.1 Retinex算法及其改进算法 | 第25-32页 |
| 3.1.1 单尺度Retinex算法(Signal Scale Retinex) | 第25-27页 |
| 3.1.2 多尺度Retinex算法(Multi-Scale Retinex) | 第27-28页 |
| 3.1.3 色彩补偿的多尺度Retinex算法(MSRCR) | 第28-32页 |
| 3.2 gamma校正 | 第32-33页 |
| 3.3 传统直方图均衡化算法 | 第33-34页 |
| 3.4 基于灰度级合并均衡化改进方法 | 第34-35页 |
| 3.5 保留图像细节的直方图均衡化方法 | 第35-36页 |
| 3.6 分段函数算法 | 第36-39页 |
| 3.6.1 理论基础 | 第36-37页 |
| 3.6.2 参数选取 | 第37-39页 |
| 3.7 自适应均衡化方法及其改进 | 第39-43页 |
| 第四章 局部均衡化增强算法 | 第43-57页 |
| 4.1 区间可变的均衡化算法及其改进 | 第43-44页 |
| 4.2 双直方图均衡化算法 | 第44-46页 |
| 4.3 等面积分割子图的均衡方法 | 第46-48页 |
| 4.4 自适应直方图均衡 | 第48-50页 |
| 4.5 限制幅值的自适应性均衡化方法及其改进 | 第50-52页 |
| 4.6 部分重叠子块均衡化方法及其改进 | 第52-57页 |
| 第五章 基于小波重构和PCNN的均衡化增强方法 | 第57-73页 |
| 5.1 小波分析 | 第57-60页 |
| 5.1.1 连续小波变换 | 第57-58页 |
| 5.1.2 离散小波变换 | 第58-59页 |
| 5.1.3 二进小波变换 | 第59-60页 |
| 5.2 常用小波及其窗函数 | 第60-61页 |
| 5.3 小波多尺度分析与Mallat算法 | 第61-62页 |
| 5.4 小波分解与重建方法及其与均衡化方法的混合应用 | 第62-63页 |
| 5.5 小波重建前对噪声的处理 | 第63-67页 |
| 5.6 基于PCNN的均衡化增强方法 | 第67-73页 |
| 5.6.1 PCNN的改进模型 | 第68-70页 |
| 5.6.2 PCNN在均衡化增强中的应用 | 第70-73页 |
| 第六章 均衡化过程中噪声的去除 | 第73-77页 |
| 6.1 直方图均衡化对噪声的放大 | 第73-74页 |
| 6.2 常用去噪算法 | 第74-77页 |
| 6.2.1 同态滤波 | 第74页 |
| 6.2.2 双边滤波 | 第74-75页 |
| 6.2.3 形态学去噪 | 第75-77页 |
| 第七章 结论与展望 | 第77-79页 |
| 7.1 结论 | 第77页 |
| 7.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录 (攻读学位期间的研究成果) | 第85页 |
