基于生成对抗网络的图像去雾研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 去雾方法国内外研究现状 | 第8-12页 |
| 1.2.1 基于图像增强的去雾方法 | 第9-10页 |
| 1.2.2 基于模型的去雾方法 | 第10-12页 |
| 1.3 深度学习和生成对抗网络 | 第12-13页 |
| 1.4 本文的主要研究内容及论文结构 | 第13-15页 |
| 1.4.1 本文的主要研究内容 | 第13页 |
| 1.4.2 论文结构 | 第13-15页 |
| 第2章 理论基础 | 第15-28页 |
| 2.1 大气散射模型 | 第15-21页 |
| 2.1.1 雾的成因 | 第15页 |
| 2.1.2 大气散射理论 | 第15-17页 |
| 2.1.3 入射光衰减模型 | 第17-18页 |
| 2.1.4 大气光成像模型 | 第18-20页 |
| 2.1.5 雾天成像模型 | 第20-21页 |
| 2.2 生成对抗网络 | 第21-25页 |
| 2.2.1 基本原理 | 第21-23页 |
| 2.2.2 条件GAN | 第23-24页 |
| 2.2.3 GAN全局最优解存在证明 | 第24-25页 |
| 2.2.4 GAN的训练 | 第25页 |
| 2.3 卷积神经网络 | 第25-26页 |
| 2.4 编解码机制 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 常见去雾算法介绍 | 第28-32页 |
| 3.1 暗通道先验去雾算法 | 第28-29页 |
| 3.2 颜色衰减先验去雾算法 | 第29-30页 |
| 3.3 非局部图像去雾算法 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于生成对抗网络的去雾方法 | 第32-46页 |
| 4.1 网络结构设计 | 第32-40页 |
| 4.2 损失函数 | 第40-42页 |
| 4.3 训练过程 | 第42-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 实验结果分析和对比 | 第46-55页 |
| 5.1 评价指标 | 第46-49页 |
| 5.1.1 主观评价 | 第46-47页 |
| 5.1.2 客观评价 | 第47-49页 |
| 5.2 实验数据来源 | 第49页 |
| 5.3 实验环境 | 第49页 |
| 5.4 实验结果及分析 | 第49-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 6.1 全文总结 | 第55页 |
| 6.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录攻读硕士学位期间发表的论文和参与的科研项目 | 第60页 |
