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 第2章圖像去霧典型算法及常用數(shù)據(jù)集 2.1基于暗通道先驗的圖像去霧算法 2.2監(jiān)督學習圖像去霧算法 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圖像去霧常用評價指標 參考文獻 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基于深度學習的圖像去雨算法 3.2.1監(jiān)督學習圖像去雨算法 3.2.2半監(jiān)督學習圖像去雨算法 3.3圖像去雨常用數(shù)據(jù)集 3.4圖像去雨常用評價指標 參考文獻 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實驗結(jié)果及其分析 4.3.1實驗設(shè)置 4.3.2合成數(shù)據(jù)集實驗結(jié)果 4.3.3真實霧天圖像實驗結(jié)果 參考文獻 第5章基于先驗信息引導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實驗結(jié)果及其分析 5.3.1實驗設(shè)置 5.3.2IHAZE和OHAZE數(shù)據(jù)集實驗結(jié)果 5.3.3NHHAZE數(shù)據(jù)集實驗結(jié)果 5.3.4定量比較與分析 參考文獻 第6章基于物理模型引導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實驗結(jié)果及其分析 6.3.1實驗設(shè)置 6.3.2HAZERD數(shù)據(jù)集實驗結(jié)果 6.3.3DAHAZE數(shù)據(jù)集實驗結(jié)果 參考文獻 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實驗結(jié)果及其分析 7.3.1實驗設(shè)置 7.3.2合成數(shù)據(jù)集對比結(jié)果 7.3.3真實數(shù)據(jù)集對比結(jié)果 參考文獻 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算法具體實現(xiàn) 8.2.1淺特征提取模塊 8.2.2改進的編碼-解碼器 8.2.3剩余密集子網(wǎng) 8.2.4階段特征的漸進融合 8.2.5損失函數(shù) 8.3實驗結(jié)果及其分析 8.3.1實驗設(shè)置 8.3.2實驗結(jié)果 參考文獻