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 |