| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 极端环境图像处理的研究背景和意义 | 第10-11页 |
| 1.2 极端环境图像处理技术的研究 | 第11-15页 |
| 1.2.1 图像去雾处理技术研究的现状 | 第11-14页 |
| 1.2.1.1 图像增强去雾处理技术研究的现状 | 第11-12页 |
| 1.2.1.2 基于大气物理模型的图像去雾处理技术研究的现状 | 第12-14页 |
| 1.2.1.3 利用仿生的图像增强去雾处理技术研究的现状 | 第14页 |
| 1.2.2 水下图像处理技术的研究现状 | 第14-15页 |
| 1.2.3 沙尘图像处理技术的研究现状 | 第15页 |
| 1.3 本文算法解决图像处理问题的重要意义 | 第15-17页 |
| 第二章 生物视网膜 | 第17-28页 |
| 2.1 生物视网膜的组成与基本结构 | 第17-22页 |
| 2.1.1 视锥与视杆 | 第18-19页 |
| 2.1.2 水平细胞 | 第19页 |
| 2.1.3 双极细胞 | 第19-20页 |
| 2.1.4 无长突细胞 | 第20-21页 |
| 2.1.5 神经节细胞 | 第21-22页 |
| 2.2 神经节细胞的非经典感受野 | 第22-24页 |
| 2.3 视网膜信息流通道的简单介绍 | 第24-27页 |
| 2.3.1 视网膜的垂直信息通道 | 第24-25页 |
| 2.3.2 视网膜的水平信息通道 | 第25-26页 |
| 2.3.3 视网膜的ON-型和OFF-型信息通道 | 第26-27页 |
| 2.4 生物视网膜与更高层次的视觉结构 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于非经典感受野的图像增强算法 | 第28-38页 |
| 3.1 非经典感受野的简单回顾 | 第28页 |
| 3.1.1 非经典感受野的数学模型 | 第28页 |
| 3.2 基于非经典感受野去雾算法模型 | 第28-31页 |
| 3.2.1 算法的详尽分析 | 第29-30页 |
| 3.2.2 对补偿信息的改进 | 第30-31页 |
| 3.3 算法处理结果分析与比较 | 第31-37页 |
| 3.4 本章小节 | 第37-38页 |
| 第四章 基于视网膜水平与垂直通路的极端环境图像增强算法 | 第38-56页 |
| 4.1 视网膜水平与垂直通道的简单回顾 | 第38页 |
| 4.2 算法模型的建立 | 第38-46页 |
| 4.2.1 垂直信息通道模型建立 | 第40-42页 |
| 4.2.2 水平信息通道模型建立 | 第42-44页 |
| 4.2.2.1 自适应参数再分析 | 第43-44页 |
| 4.2.3 模型优化与分析 | 第44-45页 |
| 4.2.4 模型的输出 | 第45-46页 |
| 4.3 算法结果分析 | 第46-54页 |
| 4.3.1 图像去雾分析 | 第47-52页 |
| 4.3.1.1 白天图像去雾分析 | 第48-51页 |
| 4.3.1.2 夜间图像去雾分析 | 第51-52页 |
| 4.3.2 图像去沙尘分析 | 第52页 |
| 4.3.3 水下图像处理分析 | 第52-53页 |
| 4.3.4 普通图像处理分析 | 第53-54页 |
| 4.4 算法的优秀性能 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于视网膜ON-和OFF-型通路的图像增强算法 | 第56-63页 |
| 5.1 视网膜ON-型和OFF-型通道的简单回顾 | 第56页 |
| 5.2 算法模型的建立 | 第56-58页 |
| 5.3 算法结果分析 | 第58-60页 |
| 5.3.1 ON-型和OFF-型通路的再分析 | 第58-60页 |
| 5.4 本章小结 | 第60-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-74页 |
| 攻读硕士学位期间取得的成果 | 第74-75页 |
