| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.3 研究内容及目的 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究目的 | 第15-17页 |
| 2 传统的图像增强理论 | 第17-23页 |
| 2.1 图像增强模型 | 第17-18页 |
| 2.2 基于直方图图像增强算法 | 第18-19页 |
| 2.2.1 直方图均衡化 | 第18-19页 |
| 2.2.2 直方图规定化 | 第19页 |
| 2.3 基于滤波的图像增强算法 | 第19-20页 |
| 2.3.1 低通滤波法 | 第20页 |
| 2.3.2 高通滤波法 | 第20页 |
| 2.4 基于学习的图像增强算法 | 第20-21页 |
| 2.4.1 基于小波变换的图像增强算法 | 第21页 |
| 2.5 小结 | 第21-23页 |
| 3 频域内基于权重系数的图像增强理论 | 第23-36页 |
| 3.1 频域内基于权重系数的木材图像增强 | 第23页 |
| 3.2 离散小波变换DWT (Discrete Wavelet Transform) | 第23-27页 |
| 3.2.1 离散小波变换的定义 | 第23-24页 |
| 3.2.2 离散小波变换的实现原理 | 第24-26页 |
| 3.2.3 Haar小波变换 | 第26-27页 |
| 3.3 离散傅立叶变换DFT (Discrete Fourier transform) | 第27-28页 |
| 3.4 利用小波变换分析图像信号 | 第28-29页 |
| 3.4.1 利用小波变换分析信号 | 第28-29页 |
| 3.5 空间频域结合小波一傅立叶变换进行混淆检测 | 第29-33页 |
| 3.5.1 LL子带自适应模块检测混淆 | 第30-32页 |
| 3.5.2 LH、HL以及HH混淆检测 | 第32-33页 |
| 3.6 方向自适应小波收缩消除混淆 | 第33-34页 |
| 3.7 小结 | 第34-36页 |
| 4 不同方法的木材图像增强效果比较 | 第36-52页 |
| 4.1 试验材料与设备 | 第36-38页 |
| 4.1.1 试验材料 | 第36-38页 |
| 4.1.2 试验设备 | 第38页 |
| 4.2 实验结果分析 | 第38-51页 |
| 4.2.1 仿真结果的主观分析与比较 | 第38-48页 |
| 4.2.2 仿真结果的客观分析与比较 | 第48-51页 |
| 4.3 小结 | 第51-52页 |
| 5 基于权重系数的图像增强算法及榆木和榆木树皮的识别 | 第52-57页 |
| 5.1 图像预处理 | 第52-53页 |
| 5.2 特征参数 | 第53页 |
| 5.3 基于BP神经网络对榆木图像和榆木树皮图像的识别 | 第53-55页 |
| 5.3.1 BP神经网络的识别原理 | 第53-54页 |
| 5.3.2 实验参数的设定 | 第54-55页 |
| 5.4 基于BP神经网络的识别结果和分析 | 第55-56页 |
| 5.5 小结 | 第56-57页 |
| 6 结论与建议 | 第57-58页 |
| 6.1 结论 | 第57页 |
| 6.2 创新点 | 第57页 |
| 6.3 建议 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-75页 |
| 个人简介 | 第75页 |
