首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

工业X射线图像锐化技术算法研究

摘要第5-7页
Abstract第7-9页
第一章 绪论第14-25页
    1.1 研究背景和意义第14-15页
    1.2 国内外研究现状第15-21页
    1.3 论文主要研究工作第21-23页
    1.4 本论文章节安排第23-25页
第二章 细节增强的一般理论基础第25-47页
    2.1 引言第25页
    2.2 增强算法分类第25-26页
    2.3 基于边缘细节的图像增强第26-43页
        2.3.1 微分锐化处理第27-30页
            2.3.1.1 梯度锐化法第27-30页
            2.3.1.2 拉普拉斯算子锐化法第30页
        2.3.2 反锐化掩膜法第30-38页
            2.3.2.1 基于增益系数改进的反锐化掩膜法第32-34页
            2.3.2.2 基于高频部分改进的反锐化掩膜法:第34-38页
        2.3.3 形态学锐化法第38-43页
    2.4 图像增强质量评价标准第43-47页
第三章 基于形态学的射线图像增强算法研究第47-71页
    3.1 引言第47页
    3.2 灰度形态学基本概念第47-51页
        3.2.1 结构元素第47-49页
        3.2.2 灰度形态学基本运算第49-51页
        3.2.3 灰度形态学梯度第51页
    3.3 灰度形态学的基本性质第51-55页
        3.3.1 相关数学理论第51-54页
        3.3.2 灰度形态学运算的基本性质第54-55页
    3.4 基于形态学的可变权值匹配自适应图像增强算法第55-63页
        3.4.1 图像可变权值匹配自适应增强算法的构造第55-56页
        3.4.2 结构元素的构造第56-57页
        3.4.3 多尺度形态学细节特征的提取第57-58页
        3.4.4 各方向细节特征权值的动态调整第58-61页
        3.4.5 自适应增益函数的选择第61-63页
    3.5 实验结果和分析第63-70页
        3.5.1 不同增强算法的效果比较第63-67页
        3.5.2 尺度选择对图像细节处理的影响第67-70页
    3.6 本章小结第70-71页
第四章 结合灰度变化频率和强度的多局部参量融合的射线图像反锐化技术研究第71-95页
    4.1 引言第71页
    4.2 反锐化掩膜基本原理分析第71-75页
    4.3 基于局部梯度和复杂度的反锐化掩膜法第75-84页
        4.3.1 算法基本原理第75-80页
            4.3.1.1 非线性形态学重建滤波获得模糊图像第75-76页
            4.3.1.2 增益函数构造第76-80页
        4.3.2 实验结果和分析第80-84页
    4.4 基于灰度变化频率和强度的多局部参量融合的反锐化增强法第84-94页
        4.4.1 相关原理第84-86页
            4.4.1.1 图像的 ENI 的定义第84-86页
            4.4.1.2 图像局部复杂度的定义第86页
        4.4.2 算法概述第86-91页
            4.4.2.1 细节图像的提取第86-88页
            4.4.2.2 多参数联合作用的增益函数第88-90页
            4.4.2.3 改进算法得到的增强图像第90-91页
        4.4.3 算法中主要参数选取讨论第91-93页
            4.4.3.1 参数k 0的影响第91-92页
            4.4.3.2 阈值 T 的选择第92-93页
        4.4.4 实验结果及讨论第93-94页
    4.5 本章小结第94-95页
第五章 基于不同方式提取细节的射线图像反锐化技术研究第95-122页
    5.1 引言第95-96页
    5.2 保边型平滑滤波器第96-103页
        5.2.1 双边滤波第97-98页
        5.2.2 加权最小二乘滤波器第98-100页
        5.2.3 基于L0 范数梯度最小化的图像平滑滤波器第100-103页
    5.3 基于双平滑滤波器和广义线性运算的反锐化掩膜增强法第103-113页
        5.3.1 改进的细节信息的获取第103-105页
        5.3.2 广义线性系统的预备知识第105-108页
        5.3.3 自适应增益控制的选择第108-110页
        5.3.4 本算法的基本框架第110-111页
        5.3.5 实验结果及分析第111-113页
    5.4 基于片相似性的叠加各向异性构造权重的反锐化掩膜算法第113-121页
        5.4.1 引言第113页
        5.4.2 片相似性的叠加各向异性构造权重算法第113-118页
            5.4.2.1 传统细节提取第114页
            5.4.2.2 片相似性相关描述第114-116页
            5.4.2.3 针对细节的自适应增益 调整第116-118页
        5.4.3 实验结果与分析第118-121页
    5.5 本章小节第121-122页
第六章 全文总结与展望第122-125页
    6.1 总结第122-123页
    6.2 展望第123-125页
参考文献第125-135页
博士期间的学术论文第135-136页
致谢第136-137页

论文共137页,点击 下载论文
上一篇:小学阶段流动儿童学业情绪、学业延迟满足与学习适应性的关系研究
下一篇:城市褐色土地再利用利益相关者冲突及其管治研究