| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及发展 | 第9-12页 |
| 1.2.1 大厚度比射线检测研究现状及发展 | 第9-10页 |
| 1.2.2 图像融合算法研究现状及发展 | 第10-12页 |
| 1.3 本文的主要工作及创新 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第2章 多源图像融合分类及融合技术 | 第14-23页 |
| 2.1 图像融合的定义 | 第14页 |
| 2.2 图像融合的分类 | 第14-16页 |
| 2.3 图像融合技术 | 第16-19页 |
| 2.3.1 图像融合预处理 | 第17-18页 |
| 2.3.2 图像融合方法 | 第18-19页 |
| 2.4 图像融合质量评价 | 第19-21页 |
| 2.4.1 主观评价 | 第19页 |
| 2.4.2 客观评价 | 第19-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 大厚度比DR检测及边蚀效应产生原因和计算方法 | 第23-39页 |
| 3.1DR检测系统 | 第23-30页 |
| 3.1.1 DR成像系统的构成 | 第23-24页 |
| 3.1.2 平板探测器的原理 | 第24-25页 |
| 3.1.3 平板探测器的性能参数评价 | 第25-28页 |
| 3.1.4 图像的预处理 | 第28-30页 |
| 3.1.4.1 图像的暗场校正 | 第28页 |
| 3.1.4.2 图像的增益校正 | 第28-29页 |
| 3.1.4.3 图像的坏点校正 | 第29-30页 |
| 3.2 射线检测中的边蚀效应 | 第30-33页 |
| 3.3 钛合金大厚度差的工件设计 | 第33-35页 |
| 3.4 大厚度比边蚀宽度的计算方法 | 第35-38页 |
| 3.4.1 大厚度比工件DR图像的边蚀效应 | 第35-36页 |
| 3.4.2 边蚀宽度计算 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 大厚度比工件的边蚀效应图像PCNN融合算法 | 第39-50页 |
| 4.1 脉冲耦合神经网络概述 | 第39-40页 |
| 4.2 PCNN的数学模型 | 第40-43页 |
| 4.2.1Eckhorn神经元模型 | 第40-42页 |
| 4.2.2 脉冲耦合神经网络模型 | 第42-43页 |
| 4.3 基于边蚀图像的脉冲耦合神经网络的图像融合 | 第43-49页 |
| 4.3.1 边蚀图像的PCNN融合算法 | 第43-46页 |
| 4.3.2 边蚀图像PCNN算法概述 | 第46页 |
| 4.3.3 优化型的PCNN模型 | 第46-48页 |
| 4.3.4 试验及结果分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 大厚度比边蚀效应PCNN图像融合结果及分析 | 第50-68页 |
| 5.1 边蚀宽度与PCNN算法的研究 | 第50-55页 |
| 5.2 厚度比例与PCNN算法及其他算法的关系对比研究 | 第55-59页 |
| 5.3 厚度灵敏度与PCNN算法的研究 | 第59-65页 |
| 5.4 分辨率与PCNN算法的研究 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 结论及展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 发表论文和参加科研情况说明 | 第74-75页 |
| 致谢 | 第75-76页 |
