图像去雾技术及其应用

　　《图像去雾技术及其应用》主要研究雾天退化图像的增强、复原技术及其相关应用。针对雾天图像增强问题，着重研究雾气遮罩模型及其算法和去雾融合策略及其算法；针对雾天图像复原问题，着重研究基于马尔科夫模型的去雾算法和基于几何结构模型的去雾算法；然后，提出多种图像去雾效果评价方法；后，探讨图像去雾技术在雾天道路图像处理、图像渲染特效等方面的应用。

暂缺《图像去雾技术及其应用》作者简介

前言
1//第1章 图像去雾技术概述
1.1 图像去雾问题的提出 2
1.2 图像去雾技术的现状 5
1.2.1 图像去雾技术的研究现状 5
1.2.2 图像去雾效果的评价现状 9
1.2.3 图像去雾技术的实际应用现状 10
1.3 图像去雾技术的难点及关键问题 11
1.3.1 雾天图像的基本特征分析 11
1.3.2 图像去雾的难点 15
1.3.3 图像去雾的关键问题 16
1.4 本章小结 16
参考文献 .17
19//第2章 基于图像增强的去雾技术
2.1 图像增强的基本理论 20
2.1.1 图像增强的基本概念 20
2.1.2 图像增强的常用空域方法 21
2.1.3 图像增强的常用频域方法 26
2.2 基于图像增强的代表性去雾算法 28
2.2.1 直方图处理算法 28
2.2.2 Retinex算法 31
2.2.3 方法局限性 40
2.3 基于雾气遮罩的图像去雾算法 41
2.3.1 雾气遮罩模型 41
2.3.2 基于雾气遮罩的去雾算法 41
CONTENTS
图像去雾技术及其应用
2.3.3 实验结果与分析 44
2.4 基于融合策略的图像去雾算法 46
2.4.1 去雾融合策略 46
2.4.2 基于融合策略的去雾算法 47
2.4.3 实验结果与分析 52
2.5 本章小结 58
参考文献 . 58
61//第3章 基于图像复原的去雾技术
3.1 图像复原的基本理论 62
3.1.1 图像复原的基本概念 62
3.1.2 图像复原的一般模型 62
3.1.3 基于图像复原的大气散射理论 64
3.2 基于图像复原的代表性去雾算法 70
3.2.1 He算法 71
3.2.2 Tarel算法 76
3.2.3 方法局限性 78
3.3 基于马尔科夫模型的图像去雾算法 82
3.3.1 马尔科夫模型 83
3.3.2 基于马尔科夫模型的去雾算法 84
3.3.3 实验结果与分析 89
3.4 基于几何结构模型的图像去雾算法 98
3.4.1 几何结构模型 98
3.4.2 基于几何结构模型的去雾算法 100
3.4.3 实验结果与分析 104
3.5 本章小结 108
参考文献 . 109
111//第4章 图像去雾效果综合评价体系
4.1 基于可见边的对比度增强评估方法 112
4.1.1 理论基础 113
4.1.2 评价指标 113
4.1.3 方法局限性 114
4.2 基于能见度检测的去雾效果评价方法 115
4.2.1 相关理论 115
4.2.2 能见度距离计算方法 118
4.2.3 实验结果与分析 120
4.3 基于合成图像的去雾效果评价方法 122
4.3.1 环境渲染方法 122
4.3.2 光路传播图方法 123
4.3.3 实验结果与分析 124
4.4 基于视觉感知的去雾效果评价方法 125
4.4.1 CNC的总体框架及评价指标 126
4.4.2 CNC综合评价函数的构建 128
4.4.3 实验结果与分析 129
4.5 本章小结 132
参考文献 . 133
135//第5章 图像去雾算法的应用
5.1 深度图的相关知识 136
5.1.1 深度图的基本概念 136
5.1.2 深度图的求取方法 137
5.2 去雾算法在雾天道路图像中的应用 138
5.2.1 基于道路图像特点的去雾算法 139
5.2.2 在雾天车道线特征提取中的应用 148
5.2.3 在雾天交通标志检测中的应用 148
5.2.4 在雾天交警手势识别中的应用 149
5.3 去雾算法在图像渲染特效中的应用 157
5.3.1 相关深度线索 158
5.3.2 图像虚拟变焦 160
5.3.3 图像雾气模拟 164
5.3.4 图像立体转换 170
5.4 本章小结 177
参考文献 177