汽车轮辋图像处理的高密度椒盐噪声滤波算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-15页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景和意义 | 第8-11页 |
| 1.2.1 研究背景 | 第8-10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 图像椒盐噪声滤波处理的发展及研究现状 | 第11-13页 |
| 1.4 论文主要研究内容 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 汽车轮辋图像的椒盐噪声研究 | 第15-25页 |
| 2.1 汽车轮辋焊缝图像预处理 | 第15-17页 |
| 2.2 图像椒盐噪声概念 | 第17-19页 |
| 2.3 椒盐噪声图像特点 | 第19-23页 |
| 2.4 汽车轮辋中的椒盐噪声 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 椒盐噪声滤波算法的研究与分析 | 第25-38页 |
| 3.1 标准中值滤波算法 | 第25-29页 |
| 3.1.1 标准中值滤波实现步骤 | 第25-26页 |
| 3.1.2 仿真实例与分析 | 第26-28页 |
| 3.1.3 标准中值滤波算法的优缺点 | 第28-29页 |
| 3.2 基于邻域信息的自适应中值滤波算法 | 第29-31页 |
| 3.3 自适应极值中值滤波算法 | 第31-33页 |
| 3.4 数字图像处理评价方式 | 第33-36页 |
| 3.4.1 常用的图像评价方式 | 第33-35页 |
| 3.4.2 抗噪参数P | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 极值中值自适应滤波算法改进 | 第38-50页 |
| 4.1 算法改进原理 | 第38-39页 |
| 4.2 算法实现流程 | 第39-41页 |
| 4.3 基于极值中值自适应滤波算法的噪声检测策略 | 第41-44页 |
| 4.3.1 图像加边处理 | 第41-42页 |
| 4.3.2 噪声点检测 | 第42-44页 |
| 4.4 噪声点处理 | 第44-49页 |
| 4.4.1 邻域相关规则滤波 | 第44-47页 |
| 4.4.2 自适应中值滤波 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验结果与分析 | 第50-58页 |
| 5.1 基于opencv的仿真平台搭建 | 第50页 |
| 5.2 极值中值自适应滤波算法实验仿真 | 第50-52页 |
| 5.3 轮辋图像仿真与分析 | 第52-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 全文总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录一：攻读硕士期间发表的论文 | 第64-65页 |
| 附录二：攻读硕士学位期间参与的项目 | 第65-66页 |
| 附录三：算法实现清单 | 第66-73页 |
