| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 图像增强算法现状 | 第12-13页 |
| 1.2.2 分数阶微分算法现状 | 第13-14页 |
| 1.3 本文主要内容与章节安排 | 第14-17页 |
| 第2章 图像增强的经典算法分析 | 第17-31页 |
| 2.1 灰度变换的图像增强 | 第17-18页 |
| 2.1.1 线性变换 | 第17-18页 |
| 2.1.2 非线性变换 | 第18页 |
| 2.2 灰度直方图均衡图像增强 | 第18-20页 |
| 2.3 基于小波变换的图像增强 | 第20-21页 |
| 2.3.1 小波变换的基本理论 | 第20页 |
| 2.3.2 小波变换在图像增强中的应用 | 第20-21页 |
| 2.4 整数阶微分图像增强 | 第21-24页 |
| 2.4.1 梯度算子法 | 第21-23页 |
| 2.4.2 拉普拉斯算子 | 第23-24页 |
| 2.5 分数阶微分图像增强 | 第24-28页 |
| 2.5.1 分数阶微分的基本定义 | 第24-26页 |
| 2.5.2 将分数阶微分引入图像增强 | 第26页 |
| 2.5.3 分数阶微分对连续信号和图像的作用 | 第26-28页 |
| 2.6 常用的图像增强评价指标 | 第28-29页 |
| 2.7 本章小结 | 第29-31页 |
| 第3章 融合非局部均值信息改进分数阶微分的图像增强算法 | 第31-45页 |
| 3.1 非局部均值滤波 | 第31-32页 |
| 3.2 结合非局部均值的分数阶微分算法 | 第32-35页 |
| 3.2.1 初始化分数阶阶数 | 第32-33页 |
| 3.2.2 结合非局部均值的微分阶数 | 第33-35页 |
| 3.3 参数选择 | 第35-38页 |
| 3.4 实验结果及对比分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于多方向自适应分数阶微分的图像增强算法 | 第45-59页 |
| 4.1 Bresenham算法 | 第45-49页 |
| 4.1.1 基本的Bresenham直线算法 | 第45-47页 |
| 4.1.2 优化的Bresenham直线算法 | 第47-49页 |
| 4.1.2.1 优化的Bresenham直线算法流程: | 第48-49页 |
| 4.1.2.2 实验结果及分析 | 第49页 |
| 4.2 基于多方向自适应分数阶微分的图像增强算法 | 第49-53页 |
| 4.2.1 提取各方向上的像素点 | 第50-51页 |
| 4.2.2 确定滤波模板 | 第51-53页 |
| 4.2.3 计算各方向上的分数阶阶数 | 第53页 |
| 4.2.4 本章算法流程 | 第53页 |
| 4.3 结构评价指标 | 第53-55页 |
| 4.4 实验结果和对比分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于形态成分分析和改进分数阶微分的图像增强算法 | 第59-73页 |
| 5.1 形态成分分析介绍 | 第59-60页 |
| 5.2 本文总体框架 | 第60-63页 |
| 5.2.1 改进的MCA算法 | 第60-62页 |
| 5.2.2 特征选取和的算法步骤 | 第62-63页 |
| 5.3 字典选择方法 | 第63-67页 |
| 5.3.1 粗糙度字典选择 | 第64-65页 |
| 5.3.2 对比度字典选择 | 第65页 |
| 5.3.3 方向性字典选择 | 第65-67页 |
| 5.3.4 线性相关性字典选择 | 第67页 |
| 5.4 各分量变换 | 第67-69页 |
| 5.4.1 粗糙度分量变换 | 第67页 |
| 5.4.2 对比度分量变换 | 第67-68页 |
| 5.4.3 方向性分解成分变换 | 第68页 |
| 5.4.4 线性相关性分解成分变换 | 第68-69页 |
| 5.5 实验结果和对比分析 | 第69-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81页 |
