| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究目标及内容 | 第10-13页 |
| 1.3.1 研究目标 | 第10-11页 |
| 1.3.2 研究内容 | 第11-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第二章 常用图像增强算法 | 第14-26页 |
| 2.1 图像增强概述 | 第14-15页 |
| 2.2 空域增强算法 | 第15-16页 |
| 2.3 频域增强算法 | 第16-17页 |
| 2.4 其他图像增强算法 | 第17-22页 |
| 2.4.1 基于多分辨率分析的图像增强 | 第17-20页 |
| 2.4.2 基于PCNN的图像增强 | 第20-22页 |
| 2.5 评价方法 | 第22-25页 |
| 2.5.1 主观评价方法 | 第22页 |
| 2.5.2 客观评价方法 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 脉冲耦合神经网络的改进 | 第26-33页 |
| 3.1 PCNN基本模型 | 第26-27页 |
| 3.2 PCNN运行机理 | 第27-29页 |
| 3.3 PCNN主要特性及缺陷 | 第29-30页 |
| 3.4 PCNN的改进 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 融合多分辨率分析的地震图像增强算法 | 第33-51页 |
| 4.1 多分辨率分析相关概念 | 第33-34页 |
| 4.2 多分辨率分析图像处理 | 第34-36页 |
| 4.3 融合小波变换与LG-PCNN地震图像增强算法 | 第36-38页 |
| 4.3.1 小波变换 | 第36-38页 |
| 4.3.2 小波变换与LG-PCNN的融合 | 第38页 |
| 4.4 融合Coutourlet变换与LG-PCNN地震图像增强算法 | 第38-44页 |
| 4.4.1 拉普拉斯塔形分解 | 第39-41页 |
| 4.4.2 方向滤波器组 | 第41页 |
| 4.4.3 Contourlet滤波器 | 第41-44页 |
| 4.4.4 Contourlet变换与LG-PCNN的融合 | 第44页 |
| 4.5 融合NSCT与LG-PCNN地震图像增强算法 | 第44-50页 |
| 4.5.1 非下采样金字塔分解 | 第45-46页 |
| 4.5.2 非下采样方向滤波器组 | 第46-49页 |
| 4.5.3 NSCT与LG-PCNN的融合 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 融合多分辨率分析的地震图像增强算法分析 | 第51-69页 |
| 5.1 相关实验数据 | 第51-52页 |
| 5.2 融合多分辨率分析的地震图像增强算法实验结果 | 第52-58页 |
| 5.2.1 融合小波变换与LG-PCNN实验结果 | 第52-54页 |
| 5.2.2 融合Contourlet变换与LG-PCNN实验结果 | 第54-56页 |
| 5.2.3 融合NSCT与LG-PCNN实验结果 | 第56-58页 |
| 5.3 结果分析及GUI设计 | 第58-68页 |
| 5.3.1 结果分析 | 第58-64页 |
| 5.3.2 图形用户界面设计 | 第64-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 研究结论 | 第69页 |
| 6.2 研究展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
