| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于雾天图像增强的去雾方法 | 第10-11页 |
| 1.2.2 基于物理模型复原的去雾方法 | 第11-13页 |
| 1.3 论文的主要内容与结构安排 | 第13-15页 |
| 第二章 基于雾天图像增强的去雾方法 | 第15-27页 |
| 2.1 基于直方图均衡化的雾天图像增强算法 | 第15-18页 |
| 2.1.1 基于全局直方图均衡化的去雾算法 | 第15-17页 |
| 2.1.2 基于局部直方图均衡化的去雾算法 | 第17-18页 |
| 2.2 基于同态滤波的雾天图像增强算法 | 第18-20页 |
| 2.3 基于Retinex算法的雾天图像增强算法 | 第20-25页 |
| 2.3.1 Retinex理论及照射反射模型 | 第21-22页 |
| 2.3.2 基于单尺度Retinex的去雾算法 | 第22-23页 |
| 2.3.3 基于多尺度Retinex的去雾算法 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于照射反射模型的图像去雾算法 | 第27-37页 |
| 3.1 同态滤波算法和Retinex算法的相关性 | 第27页 |
| 3.2 同态滤波传递函数的改进 | 第27-28页 |
| 3.3 算法实现 | 第28-29页 |
| 3.4 图像的客观评价指标 | 第29-30页 |
| 3.5 尺度参数的选择 | 第30-31页 |
| 3.6 实验结果与分析 | 第31-35页 |
| 3.7 本章小结 | 第35-37页 |
| 第四章 基于暗原色先验的图像去雾方法 | 第37-51页 |
| 4.1 雾天图像的物理模型 | 第37-40页 |
| 4.1.1 入射光衰减模型 | 第38页 |
| 4.1.2 大气耗散模型 | 第38-39页 |
| 4.1.3 运用在去雾领域的大气散射模型 | 第39-40页 |
| 4.2 基于暗原色先验的去雾算法 | 第40-43页 |
| 4.2.1 暗原色先验定律 | 第40页 |
| 4.2.2 估计传播图 | 第40-41页 |
| 4.2.3 计算大气光值 | 第41-42页 |
| 4.2.4 复原有雾图像 | 第42-43页 |
| 4.3 精细传播图 | 第43-45页 |
| 4.3.1 软抠图精细传播图 | 第43-44页 |
| 4.3.2 指导性滤波精细传播图 | 第44-45页 |
| 4.4 基于深度卷积神经网络的去雾算法 | 第45-50页 |
| 4.4.1 估计大气光值 | 第46页 |
| 4.4.2 雾天图像的特征 | 第46-47页 |
| 4.4.3 DehazeNet系统 | 第47-49页 |
| 4.4.4 复原有雾图像 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于LAB颜色空间与双边滤波的分区域去雾方法 | 第51-61页 |
| 5.1 暗原色先验去雾方法的缺陷 | 第51-52页 |
| 5.2 LAB颜色空间 | 第52-53页 |
| 5.3 基于大气耗散函数的传播图公式 | 第53页 |
| 5.4 平滑边缘及估计大气散射函数 | 第53-55页 |
| 5.4.1 双边滤波 | 第53-54页 |
| 5.4.2 估计大气散射函数 | 第54-55页 |
| 5.5 对特殊区域的分区域处理 | 第55-56页 |
| 5.6 复原有雾图像 | 第56-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间申请的专利 | 第67-68页 |
| 致谢 | 第68页 |