| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-13页 |
| 1.2.1 基于图像增强的去雾霾算法国内外研究现状 | 第11-12页 |
| 1.2.2 基于图像复原的去雾霾算法研究现状 | 第12-13页 |
| 1.3 论文的主要内容及框架 | 第13-15页 |
| 第2章 数字图像的理论基础及雾霾天图像降质模型 | 第15-25页 |
| 2.1 数字图像基础 | 第15-17页 |
| 2.1.1 数字图像的概念 | 第15-16页 |
| 2.1.2 数字图像的基本类型 | 第16-17页 |
| 2.1.3 数字图像的存储格式 | 第17页 |
| 2.2 图像评价指标 | 第17-19页 |
| 2.2.1 主观性评价指标 | 第17-18页 |
| 2.2.2 客观性评价指标 | 第18-19页 |
| 2.3 雾霾天图像降质模型 | 第19-24页 |
| 2.3.1 大气散射理论 | 第19-20页 |
| 2.3.2 入射光的衰减模型 | 第20-21页 |
| 2.3.3 大气光模型 | 第21-23页 |
| 2.3.4 雾霾天图像降质模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于暗通道先验的图像去雾霾算法仿真与分析 | 第25-35页 |
| 3.1 暗通道先验理论 | 第25-26页 |
| 3.2 基于暗通道先验的图像去雾霾算法 | 第26-31页 |
| 3.2.1 雾霾天图像的透射率的估计 | 第27-28页 |
| 3.2.2 透射率优化 | 第28-29页 |
| 3.2.3 大气光强的估计 | 第29-30页 |
| 3.2.4 还原清晰图像 | 第30-31页 |
| 3.3 暗通道先验算法不足分析 | 第31-34页 |
| 3.3.1 暗通道区域选择不恰当 | 第31-33页 |
| 3.3.2 算法的效率低 | 第33页 |
| 3.3.3 颜色失真 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 自适应参数调节及基于块的透射率优化方法 | 第35-44页 |
| 4.1 交通场景图像的特点 | 第35-36页 |
| 4.2 基于自适应参数大小的交通图像去雾霾算法 | 第36-40页 |
| 4.2.1 颜色失真原因分析 | 第36-37页 |
| 4.2.2 自适应参数大小调节 | 第37页 |
| 4.2.3 算法仿真及分析 | 第37-40页 |
| 4.3 基于块的透射率优化模型 | 第40-44页 |
| 4.3.1 块差异度定义 | 第40-41页 |
| 4.3.2 透射率优化过程 | 第41-42页 |
| 4.3.3 算法仿真与分析 | 第42-44页 |
| 第5章 基于局部维纳滤波的交通图像去雾霾算法 | 第44-52页 |
| 5.1 大气光耗散项介绍 | 第44-45页 |
| 5.2 基于局部维纳滤波优化大气光耗散项及求解透射率 | 第45-46页 |
| 5.3 基于局部维纳滤波的去雾霾算法流程 | 第46-47页 |
| 5.4 算法仿真与分析 | 第47-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及参与项目 | 第59页 |