船舶舱外视频监控图像去雾方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景和研究意义 | 第9-10页 |
| 1.2 船舶舱外图像去雾的研究现状 | 第10-13页 |
| 1.2.1 图像去雾方法研究以及发展现状 | 第10-13页 |
| 1.2.2 海上监控图像去雾的发展现状与总结 | 第13页 |
| 1.3 论文的主要内容和章节的安排 | 第13-15页 |
| 第2章 图像去雾的基础 | 第15-31页 |
| 2.1 雾天出现的原因 | 第15-16页 |
| 2.2 雾天图像模糊和颜色失真的原因 | 第16页 |
| 2.3 图像增强的去雾技术 | 第16-26页 |
| 2.3.1 直方图均衡化 | 第17-21页 |
| 2.3.2 线性变换 | 第21-22页 |
| 2.3.3 反转变换 | 第22-23页 |
| 2.3.4 对数变换 | 第23-24页 |
| 2.3.5 伽马变换 | 第24-25页 |
| 2.3.6 同态滤波(HF) | 第25-26页 |
| 2.4 图像复原的理论基础 | 第26-29页 |
| 2.4.1 大气散射模型 | 第26页 |
| 2.4.2 大气光成像模型 | 第26-27页 |
| 2.4.3 入射光衰减模型 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 船舶舱外图像去雾的算法研究 | 第31-41页 |
| 3.1 单幅图像去雾的病态性 | 第31页 |
| 3.2 暗通道原理 | 第31-33页 |
| 3.3 基于暗通道先验知识的图像去雾 | 第33-35页 |
| 3.3.1 暗通道先验知识估计透射率 | 第33-34页 |
| 3.3.2 全局大气光强的估计 | 第34-35页 |
| 3.4 海上图像去雾相关预处理技术 | 第35-38页 |
| 3.4.1 微分算子图像锐化技术 | 第35-36页 |
| 3.4.2 微分算子索贝尔的研究 | 第36-38页 |
| 3.5 图像评价指标 | 第38-39页 |
| 3.5.1 主观评价指标 | 第38页 |
| 3.5.2 客观评价指标 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 改进的船舶舱外图像去雾算法 | 第41-55页 |
| 4.1 船舶舱外图像去雾的前期处理 | 第41-42页 |
| 4.2 船舶舱外监控图像去雾改进算法研究 | 第42-49页 |
| 4.2.1 全局大气光强的估算 | 第42-43页 |
| 4.2.2 图像透射率的估算 | 第43-49页 |
| 4.3 船舶舱外图像去雾的流程 | 第49-50页 |
| 4.4 试验结果与分析 | 第50-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 视频去雾算法的设计与实现 | 第55-67页 |
| 5.1 视频流中图像实现实时去雾算法 | 第55-58页 |
| 5.1.1 视频流中图像透射率的估计 | 第55-57页 |
| 5.1.2 视频流中的大气光强的估计 | 第57-58页 |
| 5.2 视频流实时去雾算法流程 | 第58-59页 |
| 5.3 视频图像去雾参数分析 | 第59-64页 |
| 5.3.1 滤波窗口的尺寸 | 第59-62页 |
| 5.3.2 亮度系数 | 第62-64页 |
| 5.4 视频图像去雾结果分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学士学位期间发表的论文和取得的科研成果 | 第73-75页 |
| 致谢 | 第75页 |
