机器视觉检测中的图像复原方法研究
致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7页 |
1 绪论 | 第11-25页 |
1.1 研究背景与意义 | 第11-15页 |
1.1.1 机器视觉检测 | 第12-13页 |
1.1.2 图像退化和图像复原 | 第13-15页 |
1.2 国内外研究现状 | 第15-20页 |
1.3 主要研究内容和创新点 | 第20-23页 |
1.4 本文的章节安排 | 第23-25页 |
2 正则逆向热流传导方法 | 第25-53页 |
2.1 问题提出 | 第25-35页 |
2.1.1 图像的模糊 | 第25-27页 |
2.1.2 Gauss核函数与热流 | 第27-34页 |
2.1.3 Laplace算子的物理意义 | 第34-35页 |
2.2 逆向热流传导方程 | 第35-37页 |
2.2.1 热扩散方程的逆 | 第35-36页 |
2.2.2 逆向热流的不稳定性 | 第36-37页 |
2.3 正则逆向热流传导方法 | 第37-46页 |
2.3.1 则化方法 | 第37-39页 |
2.3.2 离散余弦变换 | 第39-41页 |
2.3.3 算法的设计与改进 | 第41-42页 |
2.3.4 时变正则逆向热流传导方法 | 第42-43页 |
2.3.5 有限差分方法 | 第43-45页 |
2.3.6 正则滤波器的最佳截止频率 | 第45-46页 |
2.4 实验结果分析 | 第46-50页 |
2.5 结论 | 第50-53页 |
3 “学习—滤波”算法 | 第53-87页 |
3.1 问题的提出 | 第53页 |
3.2 相关概念和思想 | 第53-58页 |
3.2.1 分类问题 | 第53-54页 |
3.2.2 正则化问题 | 第54-57页 |
3.2.3 对边缘和噪声的区分 | 第57-58页 |
3.3 学习—组滤波器 | 第58-72页 |
3.3.1 分类模型 | 第59-60页 |
3.3.2 求解算法 | 第60-72页 |
3.4 “学习—滤波”算法 | 第72-82页 |
3.4.1 能量泛函模型 | 第73页 |
3.4.2 偏微分方程模型 | 第73-82页 |
3.5 实验结果和分析 | 第82-85页 |
3.5.1 人造二值图像上的实验 | 第82-84页 |
3.5.2 自然图像上的实验 | 第84-85页 |
3.6 结论 | 第85-87页 |
4 广义运动模糊复原模型 | 第87-119页 |
4.1 问题的提出 | 第87页 |
4.2 正问题:前向运动模糊 | 第87-96页 |
4.2.1 广义运动模糊和广义运动模糊核 | 第87-93页 |
4.2.2 运动视觉和前向运动 | 第93-96页 |
4.3 估计光流场 | 第96-101页 |
4.3.1 估计FOE | 第96-98页 |
4.3.2 估计景深 | 第98-101页 |
4.4 生成广义运动模糊核 | 第101-107页 |
4.4.1 离散广义运动模糊核 | 第102页 |
4.4.2 寻找离散线段 | 第102-105页 |
4.4.3 计算相交区域的面积 | 第105-107页 |
4.5 通用的图像复原模型 | 第107-111页 |
4.5.1 相似度加正则化模型 | 第108-109页 |
4.5.2 迭代求解算法 | 第109-111页 |
4.6 实验结果分析 | 第111-116页 |
4.6.1 人工生成的图像 | 第111-115页 |
4.6.2 高速检测列车拍摄的图像 | 第115-116页 |
4.7 结论 | 第116-119页 |
5 在铁路运行环境监测中的应用 | 第119-131页 |
5.1 钢轨表面擦伤检测的预处理 | 第119-123页 |
5.1.1 钢轨图像的模糊 | 第120-122页 |
5.1.2 实验结果和分析 | 第122-123页 |
5.2 钢轨两侧扣件检测的预处理 | 第123-127页 |
5.2.1 估计模糊核的大小 | 第124-125页 |
5.2.2 实验结果和分析 | 第125-127页 |
5.3 基于全景图的目标检测的预处理 | 第127-129页 |
5.3.1 全景图拼接 | 第127-128页 |
5.3.2 去除“非均匀”的运动模糊 | 第128-129页 |
5.4 结论 | 第129-131页 |
6 总结 | 第131-135页 |
参考文献 | 第135-143页 |
作者简历 | 第143-146页 |
学位论文数据集 | 第146页 |