| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第19-41页 |
| 1.1 研究背景与意义 | 第19-22页 |
| 1.2 太阳图像特征 | 第22-31页 |
| 1.2.1 宁静区特征 | 第22-25页 |
| 1.2.2 活动区特征 | 第25-31页 |
| 1.3 国内外研究现状 | 第31-38页 |
| 1.3.1 太阳黑子的自动识别 | 第33-34页 |
| 1.3.2 太阳耀斑的自动识别 | 第34-35页 |
| 1.3.3 太阳耀斑后环的自动识别 | 第35-36页 |
| 1.3.4 太阳图像的质量评价 | 第36-38页 |
| 1.4 论文结构安排 | 第38-41页 |
| 第2章 图像识别和图像质量评价方法 | 第41-55页 |
| 2.1 图像识别方法 | 第41-47页 |
| 2.1.1 阈值分割法 | 第41-42页 |
| 2.1.2 区域生长法 | 第42页 |
| 2.1.3 模糊聚类法 | 第42-43页 |
| 2.1.4 边缘检测法 | 第43-44页 |
| 2.1.5 形态学方法 | 第44-45页 |
| 2.1.6 水平集方法 | 第45-47页 |
| 2.2 图像质量评价方法 | 第47-55页 |
| 2.2.1 主观图像质量评价 | 第47-48页 |
| 2.2.2 全参考和半参考图像质量评价 | 第48-50页 |
| 2.2.3 无参考图像质量评价 | 第50-55页 |
| 第3章 太阳黑子精细结构的自动识别 | 第55-71页 |
| 3.1 太阳黑子的结构 | 第55-57页 |
| 3.2 本章的方法 | 第57-65页 |
| 3.2.1 LIC水平集算法 | 第58-62页 |
| 3.2.2 太阳黑子内部结构的识别 | 第62-65页 |
| 3.3 实验分析 | 第65-69页 |
| 3.4 本章小结 | 第69-71页 |
| 第4章 太阳耀斑的自动识别 | 第71-87页 |
| 4.1 耀斑的结构和分类 | 第72-74页 |
| 4.2 基于灰度阈值和面积阈值的耀斑自动识别和特征提取 | 第74-79页 |
| 4.2.1 图像预处理 | 第75-77页 |
| 4.2.2 耀斑区域的提取 | 第77-78页 |
| 4.2.3 耀斑特征的提取 | 第78-79页 |
| 4.3 实验分析 | 第79-86页 |
| 4.3.1 耀斑区域的提取 | 第80-84页 |
| 4.3.2 耀斑特征的提取 | 第84-86页 |
| 4.4 本章小结 | 第86-87页 |
| 第5章 太阳耀斑后环的自动识别 | 第87-95页 |
| 5.1 基于直线检测和曲线生长的耀斑后环自动识别 | 第87-93页 |
| 5.2 实验分析 | 第93页 |
| 5.3 本章小结 | 第93-95页 |
| 第6章 太阳自适应光学图像的质量评价 | 第95-113页 |
| 6.1 基于图像功率谱和人类视觉系统的图像质量评价 | 第95-101页 |
| 6.1.1 IQM方法 | 第95-98页 |
| 6.1.2 在IQM方法基础上的改进 | 第98-101页 |
| 6.2 实验分析 | 第101-111页 |
| 6.2.1 有效性测试 | 第102-108页 |
| 6.2.2 鲁棒性测试 | 第108-110页 |
| 6.2.3 运算时间 | 第110-111页 |
| 6.3 本章小结 | 第111-113页 |
| 第7章 总结与展望 | 第113-117页 |
| 7.1 本文的主要研究内容 | 第113-114页 |
| 7.2 本文的主要创新点 | 第114页 |
| 7.3 后续工作展望 | 第114-117页 |
| 参考文献 | 第117-131页 |
| 致谢 | 第131-133页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第133页 |