声明
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 本文贡献
1.4 本文的主要内容及章节安排
2 单幅图像的去雾算法
2.1 大气光散射模型
2.2 基于暗通道的单幅图像去雾算法
2.2.1 暗通道
2.2.2 去雾过程
2.3 基于深度学习的单幅图像去雾算法
2.3.1 去雾网络结构
2.3.2 数据集构建
2.4 基于梯度残差最小化的单幅图像去雾算法
2.4.1 精细化策略
2.4.2 去雾模型
2.5 章节小结
3 深度学习基础和半二次变量分离技术
3.1 深度学习方法
3.1.1 为什么要加深网络
3.1.2 深度学习中的一些技巧
3.1.3 残差网络(ResNet)的介绍
3.2 半二次变量分离技术
4 基于联合优化与深度学习模型的去雾算法
4.1 透射率精细化的残差网络
4.2 联合优化去雾模型
4.3 实验部分
4.3.1 训练数据和参数设置
4.3.2 合成数据上的定量分析
4.3.3 真实数据上的定性分析
4.3.4 迭代的影响
结论
本文的主要工作及结论
本文进一步的工作
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;