1. 毕业设计（论文）的内容和要求

秋冬季节的雾霾对交通出行影响很大，准确估计能见度对交通通行具有重要的现实意义。

众所周知，道路上视频监控很容易获取。

同时，我们不难发现，在晴空和有雾状态下的图像具有明显的差异。

2. 参考文献

[1]S. K. Nayar, S. G. Narasimhan, Vision in Bad Weather, 1999 [2]Y. Y. Schechner, S. G. Narasimhan, S. K. Nayar, Instant dehazing of images using polarization, 2001 [3] S. G. Narasimhan, S. K. Nayar, Contrast restoration of weather degraded images, IEEE Trans. Pattern Analysis Machine Intelligence, Vol. 25, No. 6,2003 [4]N. Hautiere, J. Tarel, J. Lavenant, D. Aubert, Automatic fog detection and estimation of visibility distance through use of an onboard camera, Machine Vision and Applications, 2006, 17(1): 8-20 [5]R. T. Tan, Visibility in bad weather from a single image, CVPR, 2008 [6]K. He, J, Sun, X. Tang, Single image haze removal using dark channel prior, IEEE Trans. Pattern Analysis Machine Intelligence, Vol. 33, No. 12, 2011 [7]C. Sakaridis, D. Dai, L. V. Gool, Semantic foggy scene understanding with synthetic data, International Journal of Computer Vision, 2018 [8]A. B. Patel, T. Nguyen, R. G. Baraniuk, A probabilistic framework for deep learning, [9]A. Krizhevsky, I. Sutskever, G. E. Hinton, ImageNet Classification with deep convolutional neural networks, 2011 [10] H. Lu, K. N. Plataniotis, A. N. Venetsanopoulos, A survey of multilinear subspace learning for tensor data, 2011

3. 毕业设计（论文）进程安排

2018年12月19日-2018年12月22日 任务书下达 2018年12月22日-2019年1月12日 收集资料，熟悉课题，完成开题报告 2019年2月1日-2019年2月15日 针对系统，建立数学模型。

2019年2月15日-2019年3月1日 推导。

2019年3月1日-2019年6月1日 读文献，课题学习、研究，编写程序。