基于深度学习隐码解码的半监督恶劣天气复原算法

目录

第1章 绪论

1.1 课题背景及研究的目的和意义

1.2 国内外在该方向的研究现状及分析

1.2.1 图像去雾/去沙尘国内外研究现状及分析

1.2.2 图像去雨/去雪/去沙尘国内外研究现状及分析

1.2.3 基于深度学习的恶劣天气图像复原国内外研究现状及分析

第二章 恶劣天气的聚类以及传统恶劣天气复原算法对比研究

2.1 引言

2.2 恶劣天气图像的聚类

2.2.1 恶劣天气图像的聚类算法设计

2.2.2 恶劣天气图像的聚类结果

2.3 传统恶劣天气图像复原算法的对比研究

2.3.1 传统图像去雾/沙尘算法对比研究

2.3.2 传统图像去雨/雪算法对比研究

2.4 本章小节

第三章 基于神经网络隐码解码的恶劣天气复原算法

3.1 引言

3.2 基于端到端神经网络的恶劣天气复原

3.2.1 全卷积神经网络

3.2.2 生成对抗网络

3.2.3 残差网络（Residual Network, Res-Net）

3.3 深度滤波核学习网络

3.3.1 深度滤波核学习网络总体架构

3.3.2 深度滤波核学习网络实现细节

3.4 结果与分析

3.6 本章小结

第四章 半监督师生网络的构建

4.1 引言

4.2 师生网络半监督方法的主体设计

4.3 师生网络半监督方法的具体实现

4.3.1 测试池

4.3.2 通过知识迁移的学生网络更新

4.3.3 通过元学习的教师网络更新

4.4 师生网络半监督方法的结果与分析

4.5 本章小结

第五章 消融学习与恶劣天气复原结果比对

5.1 引言

5.2 网络的训练方式

5.2.1 实验数据集

5.2.2 网络训练的参数设置

5.3 消融学习

5.3.1 空洞卷积以及Leaky Relu的有效性分析

5.3.2 高维度特征拟合的有效性分析

5.4 算法结果横向比对

5.5 本章小结

结论

参考文献

声明

致谢

攻读硕士期间发表的论文和其他成果