| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 本文研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 炉膛火焰图像检测系统研究现状 | 第12-13页 |
| 1.2.2 炉膛火焰图像处理方法研究现状 | 第13-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 炉膛火焰图像去噪算法 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 双树复小波变换 | 第17-18页 |
| 2.3 双树复小波域隐马尔可夫树模型 | 第18-23页 |
| 2.3.1 基于高斯混合模型的双树复小波系数建模 | 第18页 |
| 2.3.2 隐马尔可夫树模型的尺度间系数关联建模 | 第18-19页 |
| 2.3.3 隐马尔可夫树模型 | 第19-20页 |
| 2.3.4 基于隐马尔可夫树模型的参数估计方法 | 第20-22页 |
| 2.3.5 基于贝叶斯最小均方误差的双树复小波系数估计方法 | 第22-23页 |
| 2.3.6 算法实现步骤 | 第23页 |
| 2.4 仿真结果与分析 | 第23-25页 |
| 2.4.1 炉膛火焰图像去噪性能的量化评价 | 第23-24页 |
| 2.4.2 炉膛火焰图像仿真结果分析 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 炉膛火焰图像增强算法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 图像增强理论 | 第27-29页 |
| 3.3 Retinex算法 | 第29-32页 |
| 3.3.1 Retinex理论 | 第29页 |
| 3.3.2 单尺度Retinex算法 | 第29-31页 |
| 3.3.3 多尺度Retinex算法 | 第31-32页 |
| 3.4 改进的多尺度Retinex算法 | 第32-35页 |
| 3.4.1 引导滤波 | 第32-33页 |
| 3.4.2 改进算法实现步骤 | 第33-35页 |
| 3.5 仿真结果与分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 炉膛火焰图像的边缘检测算法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 边缘检测原理 | 第38-40页 |
| 4.3 经典的边缘检测方法 | 第40-42页 |
| 4.3.1 Roberts边缘检测算子 | 第40页 |
| 4.3.2 Sobel边缘检测算子 | 第40-41页 |
| 4.3.3 Prewitt边缘检测算子 | 第41页 |
| 4.3.4 Canny边缘检测算子 | 第41-42页 |
| 4.4 传统Canny检测算法 | 第42-45页 |
| 4.4.1 高斯滤波平滑图像 | 第42-43页 |
| 4.4.2 计算梯度的幅值和方向 | 第43页 |
| 4.4.3 对梯度的幅值进行非极大值抑制 | 第43-45页 |
| 4.4.4 双阈值处理和边缘连接 | 第45页 |
| 4.5 改进的Canny边缘检测算法 | 第45-48页 |
| 4.5.1 传统Canny边缘检测算法存在的缺陷 | 第45-46页 |
| 4.5.2 Canny边缘检测三准则 | 第46页 |
| 4.5.3 直方图凹度分析的灰度图像分割方法 | 第46-47页 |
| 4.5.4 改进的Canny边缘检测算法实现步骤 | 第47-48页 |
| 4.6 仿真结果与分析 | 第48-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者在学期间取得的学术成果 | 第57页 |