| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 显著度检测的国内外研究现状 | 第15-16页 |
| 1.2.2 超像素生成的国内外研究现状 | 第16-17页 |
| 1.2.3 去雾的国内外研究现状 | 第17-20页 |
| 1.3 本文的主要研究内容和安排 | 第20-22页 |
| 第二章 基于区域协方差的超像素图像生成 | 第22-35页 |
| 2.1 超像素生成算法 | 第22-26页 |
| 2.1.1 超像素的定义 | 第22页 |
| 2.1.2 SLIC超像素生成算法 | 第22-24页 |
| 2.1.3 GRAPH-BASED超像素生成算法 | 第24页 |
| 2.1.4 MEAN SHIFT超像素生成算法 | 第24-26页 |
| 2.2 区域协方差矩阵计算 | 第26-27页 |
| 2.3 基于区域协方差的超像素生成 | 第27-29页 |
| 2.3.1 超像素块的相似度计算 | 第27页 |
| 2.3.2 超像素生成算法 | 第27-29页 |
| 2.4 实验结果分析和讨论 | 第29-35页 |
| 第三章 基于超像素的暗通道去雾 | 第35-58页 |
| 3.1 雾霾图像退化模型及图像特征分析 | 第35-41页 |
| 3.1.1 大气散射现象 | 第35-37页 |
| 3.1.2 大气散射模型 | 第37-40页 |
| 3.1.2.1 衰减模型 | 第37-38页 |
| 3.1.2.2 大气光模型 | 第38-39页 |
| 3.1.2.3 雾霾图像退化模型 | 第39-40页 |
| 3.1.3 雾霾图像基本特性 | 第40-41页 |
| 3.2 基于暗通道的去雾 | 第41-49页 |
| 3.2.1 暗通道的定义 | 第42-45页 |
| 3.2.2 暗通道去雾 | 第45-49页 |
| 3.2.2.1 透视率图的粗糙估计 | 第46-47页 |
| 3.2.2.2 大气光强度的估计 | 第47-49页 |
| 3.2.3 传统暗通道方法的不足 | 第49页 |
| 3.3 暗通道去雾的改进 | 第49-54页 |
| 3.3.1 基于超像素的透视率图估计 | 第49-51页 |
| 3.3.2 基于纹理双边滤波的透视率精细估计 | 第51-54页 |
| 3.3.2.1 SOFTMATTING方法 | 第51-52页 |
| 3.3.2.2 双边滤波 | 第52页 |
| 3.3.2.3 块移动 | 第52-54页 |
| 3.4 实验结果分析和讨论 | 第54-58页 |
| 第四章 基于超像素的显著度提取 | 第58-73页 |
| 4.1 显著度的定义和度量 | 第58-59页 |
| 4.2 显著度检测方法 | 第59-63页 |
| 4.2.1 基于特征融合的显著度检测方法 | 第59-60页 |
| 4.2.2 基于图论的显著度检测方法 | 第60-61页 |
| 4.2.3 基于频谱冗余的显著度检测方法 | 第61-63页 |
| 4.2.4 现有显著度检测方法的不足 | 第63页 |
| 4.3 基于超像素和区域协方差的显著度检测 | 第63-66页 |
| 4.3.1 基于区域协方差的超像素生成 | 第64页 |
| 4.3.2 图像像素块的显著度计算 | 第64-66页 |
| 4.3.3 图像像素点的显著度计算 | 第66页 |
| 4.4 实验结果与讨论 | 第66-73页 |
| 第五章 雾霾图像中的交通标志检测 | 第73-83页 |
| 5.1 交通标志图像特征 | 第73-74页 |
| 5.2 交通标志检测方法 | 第74-75页 |
| 5.3 基于显著度的雾霾图像交通标志检测 | 第75-79页 |
| 5.3.1 交通标志检测流程 | 第75-76页 |
| 5.3.2 去雾预处理 | 第76页 |
| 5.3.3 基于HSV空间的显著度分割 | 第76-78页 |
| 5.3.4 基于HOUGH变换的交通标志形状检测算法 | 第78-79页 |
| 5.4 交通标志图像去雾和检测实验分析 | 第79-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间参加的科研项目和成果 | 第93页 |