本书介绍了恶劣环境降质图像增强领域的发展现状和未来趋势，详细讨论了恶劣环境降质图像增强方法。重点介绍了图像去雾和去雨技术的数学模型与研究现状，典型算法及常用数据集，在图像增强中的应用，以及对“知识”和“数据”双驱动的新学习范式进行了介绍。

目录


第1章绪论
11智能视频监控技术
111视频监控技术发展阶段
112典型视频监控系统
12图像质量增强技术
121图像去雾技术
122图像去雨技术
13本书内容安排
参考文献
第2章图像去雾典型算法及常用数据集
21基于暗通道先验的图像去雾算法
22监督学习图像去雾算法
221DCPDN
222ACRE
223SID
23弱监督图像去雾算法
231CycleGAN方法
232物理分解方法
24图像去雾常用数据集
25图像去雾常用评价指标
参考文献
第3章图像去雨典型算法及常用数据集
31基于混合高斯模型的图像去雨算法
32基于深度学习的图像去雨算法
321监督学习图像去雨算法
322半监督学习图像去雨算法
33图像去雨常用数据集
34图像去雨常用评价指标
参考文献
第4章基于递归卷积的多尺度深度图像去雾算法
41算法总体框架
42算法具体实现
421递归特征提取模块
422多尺度特征融合模块
423损失函数
43实验结果及其分析
431实验设置
432合成数据集实验结果
433真实雾天图像实验结果
参考文献
第5章基于先验信息引导的多编码器图像去雾算法
51基于自适应通道融合的图像去雾算法
511算法总体框架
512SAGFA模块
513SE模块
514损失函数
52基于特征调制的图像去雾算法
521算法总体框架
522自适应批归一化
523优化模块
524损失函数
53实验结果及其分析
531实验设置
532IHAZE和OHAZE数据集实验结果
533NHHAZE数据集实验结果
534定量比较与分析
参考文献
第6章基于物理模型引导的多解码器图像去雾算法
61算法总体框架
62算法具体实现
621多尺度特征提取与融合模块
622注意力模块
623多尺度监督模块
624损失函数
63实验结果及其分析
631实验设置
632HAZERD数据集实验结果
633DAHAZE数据集实验结果
参考文献
第7章基于物理分解的弱监督图像去雾算法
71算法总体框架
72算法具体实现
721DWD判别器
722DWT特征提取
723损失函数
73实验结果及其分析
731实验设置
732合成数据集对比结果
733真实数据集对比结果
参考文献
第8章基于多阶段特征融合的图像去雨算法
81算法总体框架
82算法具体实现
821浅特征提取模块
822改进的编码-解码器
823剩余密集子网
824阶段特征的渐进融合
825损失函数
83实验结果及其分析
831实验设置
832实验结果
参考文献