MTF与图像质量参数关系的建模研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第1章 MTF原理 | 第8-15页 |
| ·序言 | 第8页 |
| ·问题的提出 | 第8页 |
| ·本文的工作 | 第8页 |
| ·理解光学传递函数MTF | 第8-14页 |
| ·光学定义 | 第8-9页 |
| ·MTF定义 | 第9-10页 |
| ·MTF的物理意义 | 第10-11页 |
| ·MTF的计算 | 第11-13页 |
| ·从图像上计算MTF | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 图像质量的评价参数 | 第15-23页 |
| ·引言 | 第15页 |
| ·基于灰度共生矩阵的参数 | 第15-20页 |
| ·灰度共生矩阵 | 第15-16页 |
| ·对比度 | 第16页 |
| ·熵 | 第16-17页 |
| ·角二阶距 | 第17页 |
| ·实验数据及分析 | 第17-20页 |
| ·图像清晰度 | 第20-21页 |
| ·点锐度算法 | 第20-21页 |
| ·其他参数 | 第21-22页 |
| ·细节能量与边缘能量 | 第21-22页 |
| ·图像方差 | 第22页 |
| ·图像均值 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于基本数值分析方法的曲线拟和 | 第23-45页 |
| ·引言 | 第23页 |
| ·曲线拟合原理 | 第23-30页 |
| ·牛顿多项式插值法原理 | 第23-26页 |
| ·最小二乘曲线拟合法原理 | 第26-28页 |
| ·最小二乘的特点 | 第27页 |
| ·最小二乘的难点 | 第27-28页 |
| ·样条函数拟合法原理 | 第28-30页 |
| ·实验数据取得 | 第30-32页 |
| ·取得MTF数据 | 第30页 |
| ·取得图像质量评价参数数据 | 第30-32页 |
| ·拟合实验 | 第32-43页 |
| ·数据预处理 | 第32页 |
| ·牛顿插值多项式方法拟合 | 第32-39页 |
| ·最小二乘方法拟合 | 第39-41页 |
| ·三次样条函数法拟合 | 第41-43页 |
| ·下一步工作展望 | 第43页 |
| ·多元数据情况 | 第43页 |
| ·牛顿多项式拟合 | 第43页 |
| ·最小二乘拟合 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第4章 基于神经网络的曲线拟和 | 第45-64页 |
| ·神经网络概述 | 第45-47页 |
| ·神经网络的概念 | 第45页 |
| ·神经网络基本模型 | 第45-47页 |
| ·神经元模型 | 第45-46页 |
| ·神经网络模型 | 第46-47页 |
| ·数据预处理 | 第47-51页 |
| ·聚类分析法 | 第47-49页 |
| ·神经网络法 | 第49-51页 |
| ·基本BP神经网络的函数逼近 | 第51-56页 |
| ·BP神经网络原理 | 第51-55页 |
| ·BP神经网络的结构 | 第51-52页 |
| ·BP神经网络的学习规则 | 第52-55页 |
| ·BP神经网络拟和试验 | 第55-56页 |
| ·神经网络设计 | 第55页 |
| ·拟合试验 | 第55-56页 |
| ·BP算法的动量方法改进 | 第56-59页 |
| ·算法原理 | 第56-57页 |
| ·拟合试验 | 第57-59页 |
| ·改进的共轭梯度法原理 | 第59-61页 |
| ·算法原理 | 第59-61页 |
| ·拟合实验 | 第61页 |
| ·Levenberg-Marquardt算法 | 第61-63页 |
| ·算法原理 | 第61-63页 |
| ·拟合实验 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第5章 结束语 | 第64-65页 |
| ·本文总结 | 第64页 |
| ·进一步的工作 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |
