惡劣環(huán)境降質(zhì)圖像增強(qiáng)理論

第1章緒論
1.1智能視頻監(jiān)控技術(shù)
1.1.1視頻監(jiān)控技術(shù)發(fā)展階段
1.1.2典型視頻監(jiān)控系統(tǒng)
1.2圖像質(zhì)量增強(qiáng)技術(shù)
1.2.1圖像去霧技術(shù)
1.2.2圖像去雨技術(shù)
1.3本書內(nèi)容安排
參考文獻(xiàn)
第2章圖像去霧典型算法及常用數(shù)據(jù)集
2.1基于暗通道先驗(yàn)的圖像去霧算法
2.2監(jiān)督學(xué)習(xí)圖像去霧算法
2.2.1DCPDN
2.2.2ACRE
2.2.3SID
2.3弱監(jiān)督圖像去霧算法
2.3.1CycleGAN方法
2.3.2物理分解方法
2.4圖像去霧常用數(shù)據(jù)集
2.5圖像去霧常用評價(jià)指標(biāo)
參考文獻(xiàn)
第3章圖像去雨典型算法及常用數(shù)據(jù)集
3.1基于混合高斯模型的圖像去雨算法
3.2基于深度學(xué)習(xí)的圖像去雨算法
3.2.1監(jiān)督學(xué)習(xí)圖像去雨算法
3.2.2半監(jiān)督學(xué)習(xí)圖像去雨算法
3.3圖像去雨常用數(shù)據(jù)集
3.4圖像去雨常用評價(jià)指標(biāo)
參考文獻(xiàn)
第4章基于遞歸卷積的多尺度深度圖像去霧算法
4.1算法總體框架
4.2算法具體實(shí)現(xiàn)
4.2.1遞歸特征提取模塊
4.2.2多尺度特征融合模塊
4.2.3損失函數(shù)
4.3實(shí)驗(yàn)結(jié)果及其分析
4.3.1實(shí)驗(yàn)設(shè)置
4.3.2合成數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
4.3.3真實(shí)霧天圖像實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
第5章基于先驗(yàn)信息引導(dǎo)的多編碼器圖像去霧算法
5.1基于自適應(yīng)通道融合的圖像去霧算法
5.1.1算法總體框架
5.1.2SAGFA模塊
5.1.3SE模塊
5.1.4損失函數(shù)
5.2基于特征調(diào)制的圖像去霧算法
5.2.1算法總體框架
5.2.2自適應(yīng)批歸一化
5.2.3優(yōu)化模塊
5.2.4損失函數(shù)
5.3實(shí)驗(yàn)結(jié)果及其分析
5.3.1實(shí)驗(yàn)設(shè)置
5.3.2IHAZE和OHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5.3.3NHHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5.3.4定量比較與分析
參考文獻(xiàn)
第6章基于物理模型引導(dǎo)的多解碼器圖像去霧算法
6.1算法總體框架
6.2算法具體實(shí)現(xiàn)
6.2.1多尺度特征提取與融合模塊
6.2.2注意力模塊
6.2.3多尺度監(jiān)督模塊
6.2.4損失函數(shù)
6.3實(shí)驗(yàn)結(jié)果及其分析
6.3.1實(shí)驗(yàn)設(shè)置
6.3.2HAZERD數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
6.3.3DAHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
第7章基于物理分解的弱監(jiān)督圖像去霧算法
7.1算法總體框架
7.2算法具體實(shí)現(xiàn)
7.2.1DWD判別器
7.2.2DWT特征提取
7.2.3損失函數(shù)
7.3實(shí)驗(yàn)結(jié)果及其分析
7.3.1實(shí)驗(yàn)設(shè)置
7.3.2合成數(shù)據(jù)集對比結(jié)果
7.3.3真實(shí)數(shù)據(jù)集對比結(jié)果
參考文獻(xiàn)
第8章基于多階段特征融合的圖像去雨算法
8.1算法總體框架
8.2算法具體實(shí)現(xiàn)
8.2.1淺特征提取模塊
8.2.2改進(jìn)的編碼-解碼器
8.2.3剩余密集子網(wǎng)
8.2.4階段特征的漸進(jìn)融合
8.2.5損失函數(shù)
8.3實(shí)驗(yàn)結(jié)果及其分析
8.3.1實(shí)驗(yàn)設(shè)置
8.3.2實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)