| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 弱特征视感知问题及深度学习研究现状 | 第14-16页 |
| 1.2.1 有雾图像去雾研究现状 | 第14-15页 |
| 1.2.2 目标检测研究现状 | 第15-16页 |
| 1.2.3 深度学习研究现状 | 第16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第2章 深度学习感知单元及相关优化算法简介 | 第20-25页 |
| 2.1 深度学习感知单元 | 第20-23页 |
| 2.1.1 卷积层 | 第20-21页 |
| 2.1.2 激活函数 | 第21-22页 |
| 2.1.3 池化层 | 第22页 |
| 2.1.4 批标准化层 | 第22-23页 |
| 2.1.5 全连接层 | 第23页 |
| 2.2 深度学习优化算法 | 第23-24页 |
| 2.2.1 牛顿法 | 第23页 |
| 2.2.2 梯度下降法 | 第23-24页 |
| 2.2.3 BFGS法 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于生成对抗映射网络的雾气场景特征感知增强算法 | 第25-37页 |
| 3.1 特征感知增强去雾算法思想来源 | 第25-26页 |
| 3.2 大气光散射模型 | 第26-28页 |
| 3.3 雾气相关特征 | 第28-30页 |
| 3.3.1 色调差异度 | 第28页 |
| 3.3.2 局部最大饱和度 | 第28页 |
| 3.3.3 局部最大矢量对比度 | 第28-30页 |
| 3.3.4 暗通道 | 第30页 |
| 3.3.5 光辉效应 | 第30页 |
| 3.4 去雾生成对抗映射网络 | 第30-32页 |
| 3.4.1 判别网络 | 第31页 |
| 3.4.2 生成网络 | 第31-32页 |
| 3.5 干扰光源预估 | 第32-33页 |
| 3.6 实验结果及分析 | 第33-35页 |
| 3.6.1 预估透视率对比分析 | 第33-34页 |
| 3.6.2 合成图像对比分析 | 第34-35页 |
| 3.6.3 真实图像对比分析 | 第35页 |
| 3.7 本章小结 | 第35-37页 |
| 第4章 基于RPN的伪装色目标特征感知检测算法 | 第37-50页 |
| 4.1 限制自适应直方图均衡化增强法 | 第37-39页 |
| 4.2 基于RPN的深度神经网络模型 | 第39-44页 |
| 4.2.1 RPN区域提取 | 第40-41页 |
| 4.2.2 Anchor介绍 | 第41页 |
| 4.2.3 深度神经网络损失函数 | 第41-43页 |
| 4.2.4 边框回归 | 第43页 |
| 4.2.5 非极大值抑制 | 第43-44页 |
| 4.2.6 网络训练 | 第44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.3.1 图像增强处理对比 | 第45-46页 |
| 4.3.2 图像检测对比 | 第46-47页 |
| 4.4 本章小结 | 第47-50页 |
| 第5章 基于协同感知深度神经卷积网络的遮挡目标检测算法 | 第50-58页 |
| 5.1 目标子体划分思想 | 第50-51页 |
| 5.2 协同感知深度卷积神经网络 | 第51-54页 |
| 5.2.1 初始特征提取 | 第51-52页 |
| 5.2.2 候选区域提取与属性判别 | 第52-53页 |
| 5.2.3 母体子体区间协同融合 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-56页 |
| 5.3.1 客观结果分析 | 第55页 |
| 5.3.2 主观结果分析 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第6章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间所发表的学术论文 | 第66页 |