基于条件生成对抗网络的图像去雾技术的研究与实现

目录

声 明

目 录

1 绪论

1.1 课题研究的背景和目的

1.2国内外图像去雾研究现状

1.2.1 基于图像增强的图像去雾方法

1.2.2 基于图像复原的图像去雾方法

1.2.3 基于深度学习的图像去雾方法

1.3 经典的去雾方法

1.3.1 传统方法中的经典去雾方法

1.3.2 基于深度学习的经典去雾算法

1.4 研究内容及结构

1.4.1 研究内容

1.4.2 论文结构

2 雾天图像降质的物理成因

2.1 雾霾的成因及影响

2.2 大气散射模型

2.2.1 入射光衰减模型

2.2.2 大气光成像模型

2.2.3 雾天图像的大气散射模型

2.3 本章小结

3 基于CGAN的图像去雾算法

3.1 CGAN模型

3.1.1 GAN

3.1.2 CGAN

3.2 卷积神经网络

3.2.1 卷积

3.2.2 卷积层

3.2.3 池化层

3.2.4 激活函数

3.2.5 损失函数

3.3 基于CGAN的图像去雾算法

3.3.1 生成网络

3.3.2 判别网络

3.3.3 损失函数

3.4 实验对比

3.4.1 与传统方法比较

3.4.2 与其他深度学习方法比较

4 融合残差学习的CGAN图像去雾算法

4.1 残差学习思想

4.2 去雾模型

4.3 网络框架

4.3.1 生成网络

4.3.2 判别网络

4.3.3 损失函数

4.4 实验对比

4.4.1 与传统方法比较

4.4.2 与其他深度学习方法比较

4.4.3 与第三章方法比较

5 去雾系统

5.1 系统设计

5.2 系统功能

5.3 系统界面与使用

5.4 本章小结

6 总结

6.1 本文工作总结

6.2 后续工作展望

致 谢

参考文献

附 录