| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 图像增强技术的研究现状 | 第11-12页 |
| 1.3 本文的研究内容和组织结构 | 第12页 |
| 1.4 本章小结 | 第12-14页 |
| 第2章 图像增强算法与效果评价 | 第14-25页 |
| 2.1 空域增强 | 第15-19页 |
| 2.1.1 全局直方图均衡化算法 | 第15-17页 |
| 2.1.2 局部直方图均衡化方法 | 第17-18页 |
| 2.1.3 其他空域增强方法 | 第18-19页 |
| 2.2 频域增强 | 第19-22页 |
| 2.2.1 单尺度Retinex算法 | 第19-20页 |
| 2.2.2 多尺度Retinex算法 | 第20-21页 |
| 2.2.3 其他频域增强方法 | 第21-22页 |
| 2.3 图像质量评价方法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 改进的暗通道先验去雾算法 | 第25-34页 |
| 3.1 暗通道先验理论基础 | 第25-26页 |
| 3.1.1 经典大气散射模型 | 第25页 |
| 3.1.2 He的暗通道先验去雾算法 | 第25-26页 |
| 3.2 模糊图像去雾改进算法 | 第26-29页 |
| 3.2.1 基于按图像灰度值分割的大气光估计算法 | 第26-27页 |
| 3.2.2 HSV模型下的暗通道先验去雾 | 第27-29页 |
| 3.3 仿真与分析 | 第29-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 优化的低照度图像增强算法 | 第34-46页 |
| 4.1 图像的高频、低频 | 第34-35页 |
| 4.1.1 理想低通滤波器 | 第34页 |
| 4.1.2 高斯低通滤波器 | 第34-35页 |
| 4.1.3 导向图滤波器 | 第35页 |
| 4.2 低频增强 | 第35-36页 |
| 4.2.1 伽马校正 | 第35-36页 |
| 4.2.2 全局自适应伽马校正 | 第36页 |
| 4.3 高频增强 | 第36-37页 |
| 4.3.1 高频分量的获取 | 第36页 |
| 4.3.2 高频分量增强 | 第36-37页 |
| 4.4 低照度图像处理改进算法 | 第37-39页 |
| 4.4.1 高、低频分离的亮度调整算法 | 第37-38页 |
| 4.4.2 MSR与GHE混合的对比度增强算法 | 第38-39页 |
| 4.5 仿真与分析 | 第39-44页 |
| 4.6 本章小结 | 第44-46页 |
| 第5章 轨道交通闭路电视监控系统视频增强子系统 | 第46-53页 |
| 5.1 轨道交通 CCTV 监控系统 | 第46-48页 |
| 5.1.1 轨道交通闭路电视监控系统数据的收集与使用 | 第47页 |
| 5.1.2 轨道交通闭路电视监控系统视频增强子系统的需求分析 | 第47-48页 |
| 5.2 CCTV监控系统视频增强子系统设计 | 第48-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |