基于深度学习的无监督图像去雾算法研究

目录

声明

目 录

第1章绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 多幅图像去雾算法

1.2.2 单幅图像去雾算法

1.3 该文主要研究内容及结构安排

第2章图像去雾技术基本原理

2.1 图像去雾的光学知识

2.1.1 入射光线衰减的物理模型

2.1.2 大气光照成像模型

2.1.3 雾天气下退化模型的推导

2.2 基于暗通道先验的图像去雾算法

2.3 算法性能评价指标

2.4 本章小结

第3章基于特征融合的金字塔池化去雾网络

3.1 引言

3.2 特征融合的金字塔池化网络

3.2.1 稠密残差块

3.2.2 金字塔池化块

3.2.3 整体网络结构

3.3 网络的训练和测试

3.4 实验结果

3.4.1 与其它方法的对比实验

3.4.2 特征融合金字塔池化对去雾网络的影响

3.4.3 不同网络深度上的对比实验

3.5 本章小结

第4章融合暗通道与亮通道先验的双分支去雾网络

4.1 引言

4.2 融合暗通道与亮通道先验的双分支去雾网络

4.2.1 特征提取残差网络

4.2.2 亮通道图像先验

4.2.3 双分支网络

4.2.4 整体网络结构

4.3 网络的训练和测试

4.4 实验结果

4.4.1 与其它方法的对比实验

4.4.2 双分支网络对实验结果的影响

4.4.3 融合暗通道与亮通道先验对实验结果的影响

4.4.4 不同损失函数对实验结果的影响

4.5 本章小结

第5章基于双分支深度图像先验的无监督去雾网络

5.1 引言

5.2 双分支深度图像先验无监督去雾网络

5.2.1 深度图像先验

5.2.2 整体网络结构

5.2.3 损失函数

5.3 网络的训练和测试

5.4 实验结果

5.4.1 与其它方法的对比实验

5.4.2 损失函数对去雾效果的影响

5.5 本章小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致 谢