单幅图像去雾算法的研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外发展现状及趋势 | 第13-17页 |
| 1.2.1 基于图像增强的去雾算法 | 第13-15页 |
| 1.2.2 基于图像复原的去雾算法 | 第15-16页 |
| 1.2.3 基于深度学习的去雾算法 | 第16-17页 |
| 1.3 本文结构组织 | 第17-18页 |
| 第2章 图像去雾算法基本理论 | 第18-27页 |
| 2.1 雾化图像的形成及特性 | 第18-19页 |
| 2.2 大气散射模型 | 第19-23页 |
| 2.2.1 直接衰减模型 | 第20-21页 |
| 2.2.2 大气光成像模型 | 第21-22页 |
| 2.2.3 雾天图像成像模型 | 第22-23页 |
| 2.3 去雾算法评价指标 | 第23-25页 |
| 2.3.1 主观评价 | 第23页 |
| 2.3.2 客观评价 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于暗原色先验去雾的优化方法 | 第27-44页 |
| 3.1 暗原色先验理论 | 第27-28页 |
| 3.2 暗原色先验去雾 | 第28-32页 |
| 3.2.1 求解大气光学值 | 第29页 |
| 3.2.2 求解透射率分布 | 第29-30页 |
| 3.2.3 软抠图优化透射率 | 第30-32页 |
| 3.2.4 复原图像 | 第32页 |
| 3.3 暗原色先验去雾算法的不足分析 | 第32-37页 |
| 3.3.1 Halo效应 | 第32-33页 |
| 3.3.2 大气光学值估计不准确 | 第33-36页 |
| 3.3.3 暗原色先验的局限性 | 第36-37页 |
| 3.4 暗原色先验去雾算法的改进 | 第37-42页 |
| 3.4.1 受限暗通道 | 第37-39页 |
| 3.4.2 四叉树法求解大气光学值 | 第39-40页 |
| 3.4.3 修正透射率 | 第40-42页 |
| 3.4.4 伽马变换 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 快速保边滤波算法研究 | 第44-58页 |
| 4.1 图像滤波介绍 | 第44-45页 |
| 4.2 几种保边滤波算法 | 第45-48页 |
| 4.2.1 双边滤波 | 第45-46页 |
| 4.2.2 加权最小二乘法滤波 | 第46-47页 |
| 4.2.3 非局部均值滤波 | 第47-48页 |
| 4.3 两种快速保边滤波算法 | 第48-54页 |
| 4.3.1 基于方差的快速滤波 | 第49-52页 |
| 4.3.2 自适应指数加权移动平均滤波 | 第52-54页 |
| 4.4 实验比较及结果 | 第54-57页 |
| 4.4.1 主观评价 | 第54-55页 |
| 4.4.2 客观评价 | 第55-56页 |
| 4.4.3 时间开销 | 第56页 |
| 4.4.4 综合评价 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 实验结果分析及应用研究 | 第58-70页 |
| 5.1 图像去雾算法性能对比 | 第58-65页 |
| 5.1.1 复原图像质量分析 | 第58-64页 |
| 5.1.2 时间开销 | 第64-65页 |
| 5.2 雾霆天气下的车牌识别 | 第65-69页 |
| 5.2.1 车牌预处理 | 第66页 |
| 5.2.2 车牌定位 | 第66-67页 |
| 5.2.3 字符分割 | 第67页 |
| 5.2.4 车牌识别 | 第67-68页 |
| 5.2.5 实验结果 | 第68-69页 |
| 5.3 本章总结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第78页 |
