| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文研究内容及贡献 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 预备知识 | 第16-25页 |
| 2.1 Retinex基础介绍 | 第16-20页 |
| 2.1.1 Retinex理论 | 第16页 |
| 2.1.2 Retinex算法原理 | 第16-17页 |
| 2.1.3 单尺度Retinex(SSR)算法 | 第17-18页 |
| 2.1.4 多尺度Retinex(MSR)算法 | 第18-19页 |
| 2.1.5 带色彩恢复的多尺度Retinex(MSRCR)算法 | 第19-20页 |
| 2.2 H.264编码标准 | 第20-24页 |
| 2.2.1 帧内预测编码 | 第21-22页 |
| 2.2.2 帧间预测编码 | 第22-23页 |
| 2.2.3 DCT变换与量化 | 第23-24页 |
| 2.2.4 熵编码 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于双边滤波的改进RETINEX增强算法 | 第25-36页 |
| 3.1 算法改进思想 | 第25-30页 |
| 3.1.1 转换到HSI空间 | 第25-26页 |
| 3.1.2 增强原始通道I | 第26-27页 |
| 3.1.3 对光照图像进行估计和压缩 | 第27-30页 |
| 3.1.4 反射图象和饱和度S的增强 | 第30页 |
| 3.2 算法实现步骤 | 第30-32页 |
| 3.3 实验结果分析 | 第32-35页 |
| 3.3.1 直方图主观评价 | 第32-34页 |
| 3.3.2 客观评价 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于ROI的视频预处理方法 | 第36-48页 |
| 4.1 方法基础 | 第36-42页 |
| 4.1.1 ROI技术 | 第36页 |
| 4.1.2 Adaboost算法介绍 | 第36-37页 |
| 4.1.3 Haar-like特征 | 第37-38页 |
| 4.1.4 积分图 | 第38-40页 |
| 4.1.5 分类器训练 | 第40-42页 |
| 4.2 方法实现流程 | 第42-43页 |
| 4.3 实验结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 系统验证分析 | 第48-55页 |
| 5.1 系统流程 | 第48-49页 |
| 5.2 实验结果和分析 | 第49-54页 |
| 5.2.1 直方图主观评价 | 第49-51页 |
| 5.2.2 客观评价 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55-56页 |
| 6.2 未来研究工作 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61页 |