| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 绪论 | 第6-7页 |
| 第一章 前言 | 第7-10页 |
| §1.1.超声信号处理的国内外研究应用现状 | 第7-8页 |
| §1.2.本文主要工作内容,目的及其意义 | 第8-10页 |
| 第二章 超声检测原理 | 第10-18页 |
| §2.1.超声检测方法 | 第10-12页 |
| §2.2.超声检测声学原理 | 第12-13页 |
| §2.3.超声检测系统模型 | 第13-14页 |
| §2.4.超声信号特性分析 | 第14-16页 |
| §2.5.检测信号在小波分解域中的特征参数提取 | 第16-18页 |
| 第三章 小波变换与多分辨率分析原理及其应用 | 第18-31页 |
| §3.1.离散小波与信号多分辨率分析 | 第18-25页 |
| ·正交多分辨率分析(OMRA)与小波变换 | 第18-23页 |
| ·超声检测信号的小波变换 | 第23-25页 |
| ·自适应小波 | 第25页 |
| §3.2.小波分析的自适应信号处理 | 第25-31页 |
| ·自适应信号处理 | 第25-26页 |
| ·小波对目标频段信号的自适应分析 | 第26-31页 |
| 第四章 粗晶材料的超声多尺度自适应去噪处理 | 第31-44页 |
| §4.1.引言 | 第31页 |
| §4.2.超声检测中声传播及材料介质特性分析 | 第31-32页 |
| §4.3.粗晶材料中的自适应去噪模型与应用 | 第32-43页 |
| ·材料频响模型 | 第32-33页 |
| ·粗晶材料的噪声模型 | 第33-34页 |
| ·小波去噪 | 第34-35页 |
| ·多尺度分段模型 | 第35-37页 |
| ·实验 | 第37-43页 |
| §4.4.小结 | 第43-44页 |
| 第五章 超声成像的小波统计去噪及多尺度边缘提取 | 第44-69页 |
| §5.1.引言 | 第44页 |
| §5.2.图像小波系数的统计分析模型 | 第44-49页 |
| ·图像小波系数表示特征 | 第44-45页 |
| ·主要特性 | 第45页 |
| ·次主要特性 | 第45页 |
| ·推导特性 | 第45页 |
| ·小波统计域分析模型 | 第45-49页 |
| ·去噪模型 | 第46-47页 |
| ·噪声特性 | 第47-48页 |
| ·参数估值方法 | 第48-49页 |
| §5.3.多尺度分析相关理论和小波多尺度边缘提取理论方法 | 第49-56页 |
| ·多尺度边缘提取 | 第49-51页 |
| ·实验步骤 | 第51-52页 |
| ·试验数据图 | 第52-56页 |
| §5.4.基于统计模型的B扫去噪 | 第56-67页 |
| ·GGD模型参数估计 | 第56-60页 |
| ·误差函数与子带选择 | 第60-63页 |
| ·细节分量门限去噪 | 第63-65页 |
| ·细节分量组合及缺陷重构 | 第65-67页 |
| ·缺陷图像的二值化处理 | 第65-66页 |
| ·缺陷图像的小波重构 | 第66-67页 |
| §5.5.小结 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 发表文章目录 | 第73-74页 |
| 致谢 | 第74页 |