基于卷积神经网络的图像去雾算法研究及FPGA实现

目录

声明

1绪论

1.1图像去雾研究背景及意义

1.2图像去雾技术国内外研究现状

1.2.1基于图像增强的去雾算法

1.2.2基于图像复原的去雾算法

1.2.3基于深度学习的去雾算法

1.3本文研究内容及章节安排

1.3.1本文研究内容

1.3.2本文章节安排

2图像去雾算法的理论基础

2.1大气散射模型

2.1.1入射光衰减模型

2.1.2大气光成像模型

2.1.3大气散射模型

2.2基于经典去雾算法相关的特征

2.2.1暗通道特征

2.2.2最大对比度特征

2.2.3颜色衰减特征

2.2.4色调差异特征

2.3基于卷积神经网络的图像去雾

2.3.1神经网络

2.3.2卷积神经网络

2.3.2DehazeNet算法

2.3.3AOD-Net算法

2.4本章小节

3基于卷积神经网络的图像去雾算法实现

3.1基于卷积神经网络的图像去雾模型

3.1.1算法网络结构

3.1.2训练数据准备

3.1.3参数的学习训练

3.2雾天图像的恢复

3.3图像质量评价方法

3.3.1主观评价

3.3.2客观评价

3.4实验结果与分析

3.4.1人工合成图像

3.4.2真实有雾图像

3.5本章小结

4图像去雾算法的FPGA实现

4.1基于卷积神经网络的图像去雾算法硬件架构

4.2硬件实现

4.2.1SDRAM控制器

4.2.2数据传输控制模块

4.2.3CNN模块

4.3系统验证

4.4本章小结

5总结与展望

5.1总结

5.2展望

致谢

参考文献