| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 课题来源及研究的背景和意义 | 第7-9页 |
| 1.1.1 课题的来源 | 第7页 |
| 1.1.2 研究背景 | 第7-8页 |
| 1.1.3 研究意义 | 第8-9页 |
| 1.2 研究现状综述 | 第9-13页 |
| 1.2.1 基于增强的图像去雾 | 第10-11页 |
| 1.2.2 基于物理模型的图像去雾 | 第11-13页 |
| 1.3 本文主要研究内容及组织结构 | 第13-15页 |
| 1.3.1 本文的主要研究内容 | 第13-14页 |
| 1.3.2 本文的文章结构 | 第14-15页 |
| 第2章 大气散射模型与暗通道先验理论研究 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 大气散射模型 | 第15-21页 |
| 2.2.1 衰减模型 | 第16-18页 |
| 2.2.2 大气光模型 | 第18-20页 |
| 2.2.3 雾天图像成像模型 | 第20-21页 |
| 2.2.4 雾天图像特性 | 第21页 |
| 2.3 基于暗通道先验单幅图像去雾 | 第21-31页 |
| 2.3.1 暗通道先验理论 | 第21-24页 |
| 2.3.2 暗通道先验图像去雾 | 第24-27页 |
| 2.3.3 实验结果分析与性能 | 第27-30页 |
| 2.3.4 暗通道先验缺点 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 雾浓度预测模型 | 第32-39页 |
| 3.1 引言 | 第32页 |
| 3.2 雾感知统计特征 | 第32-34页 |
| 3.3 块大小选择 | 第34-35页 |
| 3.4 自然无雾和雾图像集 | 第35-36页 |
| 3.5 雾感知密度预测 | 第36页 |
| 3.6 实验结果及讨论 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 基于自适应暗通道先验和图像融合的图像去雾算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 本文算法的总体流程概述 | 第39-45页 |
| 4.2.1 大气光A的估计 | 第39-40页 |
| 4.2.2 高效自适应暗通道先验 | 第40-42页 |
| 4.2.3 基于图像融合策略的信息增强 | 第42-45页 |
| 4.3 实验结果与分析 | 第45-50页 |
| 4.3.1 图像质量评价标准 | 第45-47页 |
| 4.3.2 实验结果 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |