| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| Abstract | 第7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 去雾方法的国内外现状 | 第10-15页 |
| 1.2.1 基于图像特征的图像增强方法 | 第11-13页 |
| 1.2.2 基于物理模型的图像复原方法 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 雾天降质图像图像增强的关键技术 | 第17-29页 |
| 2.1 大气散射理论 | 第17-20页 |
| 2.1.1 入射光衰减模型 | 第18页 |
| 2.1.2 环境光模型 | 第18-19页 |
| 2.1.3 大气散射模型 | 第19-20页 |
| 2.2 基于暗通道先验理论的图像复原技术 | 第20-25页 |
| 2.2.1 雾天降质图像的去雾模型 | 第20-21页 |
| 2.2.2 暗通道先验(Dark channel prior)的基本理论 | 第21-22页 |
| 2.2.3 透射率分布的估计 | 第22-23页 |
| 2.2.4 透射率的优化 | 第23-25页 |
| 2.2.5 大气光强A的估计 | 第25页 |
| 2.2.6 雾天降质图像的去雾 | 第25页 |
| 2.3 基于Retinex的图像增强技术 | 第25-28页 |
| 2.3.1 颜色恒常性 | 第26页 |
| 2.3.2 Retinex理论思想 | 第26-28页 |
| 2.3.3 经典的Retinex算法 | 第28页 |
| 2.4 小结 | 第28-29页 |
| 3 基于暗通道先验图像去雾方法的改进 | 第29-41页 |
| 3.1 改进的最小值滤波对透射率优化 | 第29-35页 |
| 3.1.1 多尺度最小值滤波算法 | 第29-31页 |
| 3.1.2 高斯滤波平滑透射率 | 第31-32页 |
| 3.1.3 分割天空区域 | 第32-34页 |
| 3.1.4 实验结果及分析 | 第34-35页 |
| 3.2 暗通道去雾算法的后续处理 | 第35-38页 |
| 3.2.1 自适应直方图均衡化算法(AHE) | 第36-37页 |
| 3.2.2 限制对比度自适应直方图均衡算法(CLAHE) | 第37-38页 |
| 3.2.3 实验结果及分析 | 第38页 |
| 3.3 实验结果及分析 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 4 基于Retinex的图像增强算法的改进 | 第41-54页 |
| 4.1 基于Retinex的图像增强算法 | 第41-46页 |
| 4.1.1 基于路径的Retinex算法 | 第41-44页 |
| 4.1.2 基于中心环绕的Retinex算法 | 第44-46页 |
| 4.1.2.1 单尺度视网膜增强(SSR) | 第44-45页 |
| 4.1.2.2 多尺度视网膜增强(MSR) | 第45-46页 |
| 4.2 HSV颜色空间 | 第46-47页 |
| 4.3 Retinex图像增强算法的改进 | 第47-51页 |
| 4.3.1 图像边缘信息的提取 | 第48-49页 |
| 4.3.2 对亮度分量进行Retinex增强 | 第49-50页 |
| 4.3.3 基于暗通道先验的Retinex去雾方法 | 第50-51页 |
| 4.4 实验结果及分析 | 第51-53页 |
| 4.5 小结 | 第53-54页 |
| 5 图像自适应清晰化处理 | 第54-60页 |
| 5.1 雾天降质图像的雾浓度 | 第54-57页 |
| 5.1.1 雾浓度度量原理 | 第54-56页 |
| 5.1.2 实验结果及分析 | 第56-57页 |
| 5.2 自适应图像清晰化框架 | 第57-58页 |
| 5.3 实验结果及分析 | 第58-59页 |
| 5.4 总结 | 第59-60页 |
| 6 总结与展望 | 第60-61页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |
