| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 雾天及水下图像清晰化研究现状 | 第11-14页 |
| 1.2.2 水下视频清晰化研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 基于卷积神经网络雾天图像清晰化方法研究 | 第18-36页 |
| 2.1 光在空气介质中传播及成像特点 | 第18-19页 |
| 2.2 大气散射模型研究 | 第19-24页 |
| 2.2.1 入射光衰减模型分析 | 第20-21页 |
| 2.2.2 大气光模型分析 | 第21-23页 |
| 2.2.3 雾天图像退化过程建模 | 第23-24页 |
| 2.3 基于大气散射模型的雾天图像清晰化方法 | 第24-26页 |
| 2.4 卷积神经网络雾天图像清晰化方法 | 第26-35页 |
| 2.4.1 基于卷积神经网络的透射率估计 | 第26-30页 |
| 2.4.2 大气光强自适应估计 | 第30-34页 |
| 2.4.3 应用场景分析 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于时空信息融合的水下视频清晰化方法研究 | 第36-55页 |
| 3.1 光在水介质中的传播及成像特点 | 第36-38页 |
| 3.2 水下图像光学成像模型研究 | 第38-39页 |
| 3.3 水下视频图像的背景光值估计 | 第39-44页 |
| 3.3.1 水下图像背景光值估计 | 第40-42页 |
| 3.3.2 时空信息融合的视频图像背景光值估计 | 第42-44页 |
| 3.4 水下视频图像的透射率估计 | 第44-51页 |
| 3.4.1 基于颜色空间的水下图像透射率估计 | 第44-48页 |
| 3.4.2 时空信息融合的视频图像透射率估计 | 第48-51页 |
| 3.5 清晰化实现及结果分析 | 第51-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 实验结果及分析 | 第55-75页 |
| 4.1 实验环境及数据来源 | 第55-57页 |
| 4.1.1 软硬件环境 | 第55-56页 |
| 4.1.2 实验数据 | 第56-57页 |
| 4.2 图像质量客观评价方法 | 第57-59页 |
| 4.3 基于卷积神经网络雾天图像清晰化方法结果与分析 | 第59-68页 |
| 4.3.1 雾天图像清晰化实验与对比分析 | 第59-66页 |
| 4.3.2 评价指标计算及分析 | 第66-68页 |
| 4.4 基于时空信息融合的水下视频清晰化方法结果与分析 | 第68-74页 |
| 4.4.1 水下图像清晰化结果及比较 | 第68-70页 |
| 4.4.2 水下视频清晰化结果及比较 | 第70-72页 |
| 4.4.3 评价指标计算及分析 | 第72-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 本文总结 | 第75-76页 |
| 5.2 研究展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第82页 |