| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 图像去雾算法研究现状 | 第10-14页 |
| 1.2.1 基于图像增强的去雾方法 | 第11-12页 |
| 1.2.2 基于图像复原的去雾方法 | 第12-14页 |
| 1.3 无人机图像去雾发展现状 | 第14-15页 |
| 1.4 本文主要内容与章节安排 | 第15-18页 |
| 第2章 图像去雾相关技术基础 | 第18-34页 |
| 2.1 大气散射模型 | 第18-23页 |
| 2.1.1 入射光衰减模型 | 第19-21页 |
| 2.1.2 大气光成像模型 | 第21-22页 |
| 2.1.3 雾天图像退化模型 | 第22-23页 |
| 2.2 雾天图像的特性分析 | 第23-25页 |
| 2.2.1 雾天图像的对比度衰减特性 | 第23-24页 |
| 2.2.2 雾天图像模糊特性 | 第24页 |
| 2.2.3 雾天图像的时域特性 | 第24页 |
| 2.2.4 雾天图像的频谱特性 | 第24-25页 |
| 2.3 基于大气散射模型的单幅图像去雾方法 | 第25-32页 |
| 2.3.1 暗原色先验去雾算法 | 第25-31页 |
| 2.3.2 基于大气耗散函数的去雾算法 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 结合图像分割的暗原色先验图像去雾方法 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 结合图像分割的暗原色先验图像去雾方法 | 第34-42页 |
| 3.2.1 天空区域分割 | 第35-39页 |
| 3.2.2 透射率的估计和优化 | 第39页 |
| 3.2.3 大气光的估计 | 第39-40页 |
| 3.2.4 边缘增强 | 第40-42页 |
| 3.3 实验结果与分析 | 第42-46页 |
| 3.3.1 实验结果 | 第42-44页 |
| 3.3.2 算法性能 | 第44-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于小波和大气耗散函数的图像去雾方法 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 基于小波和大气耗散函数的图像去雾方法 | 第48-55页 |
| 4.2.1 小波分解 | 第48-51页 |
| 4.2.2 大气耗散函数估计 | 第51-53页 |
| 4.2.3 大气光值估计 | 第53页 |
| 4.2.4 复原低频子图像 | 第53页 |
| 4.2.5 小波融合 | 第53-55页 |
| 4.3 实验结果与分析 | 第55-57页 |
| 4.3.1 实验结果 | 第55-57页 |
| 4.3.2 算法性能 | 第57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 暗原色先验与Retinex相结合的图像去雾方法 | 第58-68页 |
| 5.1 引言 | 第58页 |
| 5.2 暗原色先验与Retinex相结合的图像去雾方法 | 第58-63页 |
| 5.2.1 暗原色先验去雾 | 第59-61页 |
| 5.2.2 单尺度Retinex图像增强 | 第61-63页 |
| 5.3 实验结果与分析 | 第63-66页 |
| 5.3.1 实验结果 | 第63-65页 |
| 5.3.2 算法性能 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 1. 结论 | 第68-69页 |
| 2. 下一步工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间所发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |