一、利用完全重构滤波器组进行图像的多尺度边缘提取（论文文献综述）
陈顺[1]（2021）在《几种类型图像边缘检测的相关问题研究》文中指出近年来,随着图像处理研究的快速发展,非标准图像的研究已逐渐成为研究热点,例如,织物图像、遥感图像和齿轮图像等。其中部分遥感图像与标准图像相比具有复杂的背景和低光照性,并且采集时易混入噪声;部分织物图像具有丰富的纹理信息,为相关处理增加了难度,采集时也容易混入噪声。视觉感知特征中边缘特征是最基本的低层次特征,此特征在图像信息简化和分析中发挥着重要作用,为后续图像更深层次处理打下了良好的基础。并且图像灰度化后进行边缘检测是我们最常见的图像边缘检测方式,而彩色图像由于具有多种不同颜色空间使得边缘检测更为复杂。因此,本文将针对灰度印花织物图像、彩色图像、灰度遥感图像等图像边缘检测的相关问题展开研究。针对印花织物图像中存在丰富的纹理信息和噪声问题,本论文提出一种基于改进滤波器与小波的印花织物图像边缘提取算法。将系数相关性分析的思想运用到滤波器的改进,应用指数函数结合连分式逼近思想确定权值。将欧氏距离公式用于改进自适应中值滤波器,并采用自适应权值公式确定权值。最后改进二维Otsu算法求得最优梯度阈值用于小波模极大值法。针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,本论文提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理,然后运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角,最后对梯度幅值进行非极大值抑制,并采取自适应双阈值处理得到边缘检测图像。针对遥感图像对比度低和含有大量噪声问题,本文提出一种结合图像增强的遥感图像边缘检测算法。其基本思想是对NSCT（非下采样轮廓波变换）分解的高低频分量采用Top-hat变换进行图像增强突出细节信息,然后采用改进Canny算子得到边缘图像,并去除部分孤立点得到最终边缘图像。针对含噪齿轮图像边缘检测中存在难以有效抑制噪声等问题,提出一种融合Canny算子和数学形态学的边缘检测算法。首先对图像进行小波分解得到各层子图像,然后分别对子图像采用自适应加权融合,最后重构图像得到边缘检测图像。
刘春鹏[2]（2021）在《大豆冠层信息获取图像融合方法研究》文中研究表明作物长势信息监测,使用冠层信息进行反映仍是主要手段。得益于无人机遥感技术和计算机技术的快速发展,利用无人机搭载多光谱遥感相机获取农作物冠层信息成为农作物生长过程中长势监测不可或缺的技术手段之一。但遥感图像受飞行高度、成像角度等因素影响,导致合成结果清晰度差、有效信息重叠等问题,直接影响对作物长势信息的判断,影响监测效率。研究冠层图像融合方法,可实现作物长势信息参数的准确提取,为作物长势判断和精准施药技术发展提供理论和现实意义。为提高无人机低空遥感成像质量,在分析整理中外文献资料的基础上,系统总结了的多源遥感影像融合算法的研究现状,借鉴现有的融合机理,以大豆冠层作为研究对象,基于大豆冠层无人机低空遥感图像成像特点,研究大豆冠层遥感图像融合算法,获取分辨率高且空间细节信息丰富的融合图像,并对图像融合性能进行检验,重点展开了以下几个方面的工作:（1）大豆冠层低空遥感图像融合理论分析根据前期研究的理论基础确定图像融合层次,通过对比分析基于成分替换和基于多尺度变换的图像融合算法的优缺点,选用基于成分变换中的IHS变化和基于多尺度的NSCT变换方式,构建了融合图像算法结构,确定其工作原理,详细分析了强度分量在融合过程中的变换过程,针对分量变换产生的信息丢失、光谱失真现象,通过结合NSCT变换操作进行修正,有效避免图像空间细节信息丢失现象,同时保持了光谱信息的表达。（2）遥感图像融合算法确定通过分析NSCT变换过程中,非下采样金字塔滤波和非下采样方向滤波的工作原理,引入空间频率概念和区域能量加权的方式完成图像间低、高频子带系数的融合操作,筛选出空间频率最大的像元值参与子带的重构,使得大部分能量信息得以保留,对结果的清晰度保持稳定;以区域内像素相关性为前提的区域能量加权方法同样可以保证融合结果的清晰程度,同时对图像的局部特征表达充分。（3）融合图像应用效果试验研究根据图像边缘分割提取的理论研究和实际的实验操作过程,分别从基于搜索的边缘提取方法和基于零交叉的边缘提取方法进行分析,验证融合结果的边缘提取效果,同时结合近地端车载多光谱传感器遥感结果对融合结果获取的植被指数进行对比分析和结果验证。研究建立一种IHS变换结合非下采样轮廓波变换的无人机低空遥感图像融合算法,将无人机遥感直接应用于大豆冠层信息提取,融合结果空间信息保留度高、图像分辨率良好,为大豆冠层图像边缘轮廓信息提取和植被指数获取提供理论基础和技术支撑。
朱志恒[3]（2021）在《多尺度形态学手掌识别系统建模与实现》文中研究说明当今社会,大数据、云计算、5G通信等技术快速发展与应用,网络信息化、智能化程度越来越高,对个人身份进行快速识别的技术层出不穷。手掌作为人体固有属性的生物特征,以其良好的稳定唯一性,成为生物特征识别技术领域中主要研究对象。手掌识别技术能够很好地克服传统身份识别技术易破解与易复制等缺点,是近年来发展迅速的前沿学科。它主要涵盖人工智能、视频与掌纹图像处理、模式识别与智能系统等多个研究领域。已引起当今学术界、国家政府、企事业单位等部门的高度重视,具有较好的发展潜力和广阔的应用前景。手掌图像主要是由人体手掌内面的表皮层、以及主要的脊线、皱线和纹线等构成。它具有丰富的纹理特征信息、高度稳定和持续可靠等优点,在多尺度形态学手掌识别系统中,具有比较典型的多样性特点。它的尺度选择与手掌识别技术密切相关,民用领域的手掌图像一般分辨率相对较低,其采集设备性价比高,用户接受性好,便于进行市场开拓与推广。手掌识别是利用手掌图像上的有效感兴趣区域,从中提取手掌图像的纹理、轮廓、大小、比例等特征信息,根据这些特征信息与手掌纹理特征数据库进行相似度验证,从而达到身份识别的目的。如果手掌特征信息与特殊领域的专业数据库进行信息交互检索,结合中医手诊理论的手掌纹理数据库,可以根据手掌纹理特性诊断并预测身体健康情况。手掌识别系统的性能取决于完善的系统架构、强悍的硬件支撑、高效的软件算法、安全的加密技术等多个方面。本文主要提出了一种建立基于物联网技术下的手掌识别系统模型,并提出了设计算法,对多尺度形态学手掌识别系统算法的建模与实现进行分析。该系统融合了物联网技术、多尺度分析、特征融合、数字形态学、多尺度形态学等技术。本文结合多尺度分析对手掌图像进行增强,识别算法主要结合尺度函数、小波函数、轮廓波与小波变换等进行分析识别,对离散域滤波器进行构造,迭代定向滤波器组进行多尺度多方向的手掌图像分解。形态学手掌图像处理,通过结构、时域、频域、子空间、统计学等特征提取方法。结合数学形态学、二值形态学、边缘形态学等,在不同的尺度下,进行形态学特征提取形成特征向量,进行形态学的系统建模。
杨晓[4]（2021）在《基于红外热波技术的大尺寸复合材料缺陷检测研究》文中进行了进一步梳理近年来大尺寸高性能复合材料凭借优秀的性能在航空航天领域的使用比例大幅度提升,因此针对大尺寸航天复合材料缺陷的非接触无损检测技术研发具有重大意义。本文结合大尺寸复合材料原位、外场、整体缺陷的检测需求,运用红外热波成像技术对复合材料在热激励下温度场变化信息进行采集,得到红外图像序列,根据红外图像序列中的温度的变化特性与检测需求,最终实现了对大尺寸复合材料完整检测结果的呈现并实现缺陷的定量检测。在此基础上,本文的主要研究内容如下:首先,针对红外图像序列中的缺陷识别,本论文提出了一种基于红外热波技术的大尺寸复合材料缺陷特征重构算法,应用了自动分割方法实现了红外图像序列分块和变区间搜索得到对应的瞬态热响应曲线（Transient thermal response TTR）数据集,并设计KG-EM算法对TTR数据集进行特征分类,获得具有典型温度变化特征的瞬态热响曲线,并利用该曲线进行重构获得具有突出缺陷特征的红外重构图像。该方法可以提取红外图像序列的主要特征,同时利用主要特征进行重构获得红外重构图像。对复合材料表面缺陷和亚表面缺陷进行缺陷检测检出。然后,对于表征了复合材料表面和内部缺陷可视化成像结果的红外重构图像进行图像拼接。由于热像仪拍摄的图像仅覆盖很小的检测区域不能对大尺寸试样进行单次检测获得整体缺陷检测结果,利用拼接算法可以将单幅重构图像中不完整的缺陷区域利用拼接直接生成完整的缺陷成像。因此本论文设计了基于图像处理的大尺寸复合材料缺陷重构图像拼接方法。用SURF-BRISK算法快速提取准确有效的红外重构图像特征点用于构建图像转换模型,实现大尺寸检测试件整体缺陷分布可视化成像。最后,设计大尺寸复合材料缺陷定量识别方法,该方法考虑了缺陷特征提取对象为整体缺陷分布可视化成像,并利用图像来源红外图像序列帮助获得缺陷定量信息。先对红外重构拼接图像中的缺陷使用缺陷特征提取算法。利用拼接图像的配准关系获得缺陷特征对应的图像序列中的瞬态热响应曲线。设计瞬态热响应曲线相似性度量方法对红外重构拼接图像缺陷热扩散区域进行相应判别;最终得到特征缺陷实际区域像素个数实现大尺寸复合材料的缺陷检测定量工作。
王艺涵[5]（2021）在《基于机器视觉的3D打印过程图像检测系统设计》文中研究表明3D打印件由于成型原理及装置结构等问题,普遍存在精度误差大、成品率低等问题,而传统的过程精度检测手段难以移植到3D系统中。本文研究FDM工艺Corexy结构3D打印机工作过程视觉检测技术,改进并应用适合的图像处理算法,以完成打印过程中对实物的图像检测工作。设计Corexy结构3D打印机视觉图像采集系统结构,设计基于机器视觉3D打印过程检测系统及工作流程,构建了机器视觉结构模型,确定相机空间布局,描述坐标系的转换关系,并完成单目相机自标定及畸变校正。根据视觉系统的图像采集环境以及3D打印的层叠特性,研究适应的图像处理算法。为提高图像的可检测性,提出一种改进的自适应中值滤波以及改进的小波阈值滤波算法,并根据白噪声以及脉冲噪声在小波域的变换特性将两种去噪算法融合,通过实验调整阈值函数的参数进而有效滤除图像混合噪声。将去噪图像进行小波分解,采用改进的形态学提取低频图像边缘,小波模极大值算法提取高频图像边缘,根据3D打印物体纹理特性调整权值参数,将低频和高频图像边缘融合得到完整的物体轮廓。通过评价指标检验改进算法对打印物体边缘提取效果。并计算标准模型图边缘和图像边缘的相似程度,初步检测打印质量。利用ccd相机环绕打印物体采集图像,采用SIFT算法对图像进行特征点配准,利用已获取的特征点匹配对和相机内外参数,采用SFM算法完成打印物体的稀疏点云重建,利用cloudcompare将重建的点云数据和STL模型文件进行尺度对齐,分别计算二者在x、y、z三个方向的尺度比例差值,进而判断实际打印质量,比较误差和设定阈值大小,决定是否继续执行打印工作。
张华海[6]（2020）在《肺实质与肝血管CT图像分割方法研究》文中研究指明CT成像技术是放射科医生进行临床医学影像辅助诊断的重要手段,具有图像对比度和分辨率高的优势。但是,由于组织病变、支气管以及胸膜附近异常等因素的干扰,进行胸腹部检查时需要准确分割相关解剖结构。本文针对CT图像中肺实质和肝脏血管的分割问题,提出改进算法以提高二者的检测与分割的准确性。主要工作为:（1）提出一种融合Surfacelet变换与脉冲耦合神经网络（PCNN）的肺实质分割算法。首先,通过Surfacelet变换对三维肺部CT数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经Surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集Kaggle和LIDC的样本进行了测试。实验结果表明,该方法能够得到较完整的肺实质,其平均相似度系数、平均过分割率和平均欠分割率分别能够达到97.85%,0.31%和1.87%。（2）提出一种CT图像肝脏血管自动分割方法。首先,用双高斯核代替Hessian矩阵中常用的单高斯核,提高肝脏血管的增强效果。然后,采用基于直方图的方法自适应地估计区域生长的阈值作为生长的判断准则。最后,使用区域生长算法提取CT图像中的肝脏血管。实验结果表明,该方法能显着提高肝脏血管的分割准确率,平均准确率达98.1%。
郝乐川[7]（2020）在《高分辨率可见光遥感图像建筑物提取方法研究》文中进行了进一步梳理建筑物是构成人类生存环境的主要人造目标,是实现智慧城市的最关键城市要素。为了实现对智慧城市的有效支撑,精确可靠的建筑物目标提取是实现智慧街区/社区三维建筑物目标构建的最关键环节。为此,随着遥感技术的飞速发展,利用高分辨率遥感可见光图像,国内外相关学者和机构已经进行了针对建筑物目标位置和轮廓信息提取的大量研究。然而,虽然现有研究已经形成了多种建筑物目标检测相关的“经验”或“知识”,但是,受限于建筑物检测过程对图像中噪声、遮挡、材质等影响因素的处理能力,现有先验知识或规则所需的原始信息的提取能力还没有更好的受到有关规则或知识的指导,建筑物精确提取仍然是当今学界研究的重点和难点问题。具体的,为了利用高分辨率可见光遥感图像实现精确可靠的建筑物提取,需要有效解决以下几个关键问题:（1）如何有效实现可见光遥感图像中的光谱信息（即颜色信息）、多尺度结构信息、空间组合规则信息等知识的综合应用,在整体策略层次上进行有效的宏观把控;（2）如何高效利用可获取图像空间信息及建筑物结构信息,降低噪声、遮挡、光照等问题的影响,精确可靠的提取建筑物边缘及完整轮廓信息,实现对整体建筑物提取系统的有效支撑;（3）如何充分联合可见光遥感图像所蕴含的多尺度区域及轮廓信息,实现建筑物目标的精确可靠提取。为了解决以上问题,本文详细分析了当前建筑物提取技术的典型流程及主要建筑物提取规则,以主动方式进行建筑物目标相关信息挖掘为指导思想,针对以下问题开展了相关研究并取得了一定的创新成果:（1）针对现有建筑物目标提取方法所采用的边缘提取技术对噪声和干扰（道路、高大树木及规则植被等）较为敏感的问题,通过对人类信息感知宏观特征的理解,在论文第三章提出了一种联合应用方向信息和颜色信息的建筑物目标边缘提取方法,显着提升了建筑物目标初始边缘提取的性能。现有建筑物提取方法或系统中大多采用Canny、Sobel等通用边缘提取方法,在数据预处理阶段没有充分利用建筑物目标结构特征或规则,直接造成后续建筑物目标提取的精度受到影响。通过分析人类信息感知的特点,以可见光光谱信息（即颜色信息）和方向信息的有效挖掘为核心,进行了边缘敏感颜色信息、建筑物主方向信息的有效提取;以边缘敏感颜色信息和主方向信息为指导,设计了改进的双窗口高斯伽马滤波（Gaussian gamma shaped filtering,GGS）方法以实现初始建筑物边缘图的提取,为获得准确、完整的建筑物轮廓提供了良好的基础。（2）针对高分辨率遥感图像中由于光照、材质等问题造成的建筑物边缘对比度弱,初始边缘提取给出边缘信息不完整的问题,从分类的角度出发,在第四章提出了一种基于Sparse-SVM双尺度建筑物边缘分类及决策融合策略的完整建筑物轮廓识别及优化方法,有效提升了建筑物目标提取的完整性和可靠性。高分辨率可见光遥感图像进行建筑物目标边缘提取而得到的边缘图中,不可避免的会存在由于道路、植被等干扰造成的假边缘、由于材质和光照等因素造成的建筑物屋顶对比度弱的弱边缘及漏边缘等情况。为了在这种情况下更好的提取完整的封闭的建筑物目标轮廓信息,首次从分类的角度提出将建筑物边缘分类为强边缘和弱边缘的思想,并基于此提出了一种基于双尺度边缘信息的像素级边缘分类方法及边缘优化分组策略,实现了建筑物目标轮廓的精确可靠提取。（3）针对现有建筑物目标提取方法存在轮廓信息与区域信息融合不充分的问题,在论文第五章提出了一种建筑物目标显着区域提取的多尺度深度学习方法,有效提升了建筑物目标提取的精确性和可靠性。高分辨率可见光遥感图像提取的建筑物轮廓往往是不规则的,轮廓位置会受到噪声和干扰的影响存在一定的误差,为了实现建筑物的精确提取,建筑物目标区域信息或显着目标区域信息会对提取的轮廓形成一定的有益补偿。为了有效实现轮廓和区域信息的联合,考虑到现有深度学习建筑物目标提提取或识别方法没有充分利用多尺度语义信息的问题,以全卷积神经网络（Fully Convolutional Networks,FCN）为核心,提出了一种建筑物目标显着区域提取的多尺度深度学习方法,结合建筑物轮廓提取结果,实现了建筑物目标的精确可靠提取。为了验证所提方法的有效性,采用了三维城市、智慧城市建设相关的多组卫星及航空平台高分辨率可见光遥感数据集进行了对比实验验证,实验结果表明本文给出的建筑物目标提取方法中相关信息的利用逻辑是合理的,对不同建筑物疏密程度及不同主方向的目标区域具有足够的鲁棒性,具有很好的应用前景。
刘婷婷[8]（2020）在《基于深度学习的高反光金属工件表面缺陷检测研究》文中指出针对高反光金属制品表面的缺陷检测,基于机器视觉的自动化检测技术相较于传统的人工目测,能够达到对缺陷的高精度的定量检测、部分定性检测以及位置信息检测等要求。但由于其表面的高反光特性,使得工件图像中夹杂较多高光噪声,容易造成机器误检,所以基于机器视觉的高反光金属工件的缺陷检测精度仍需进一步提高。针对高反光金属工件表面缺陷检测,本文主要从图像预处理、图像缺陷检测及基于深度学习对缺陷进行分类的三个方面展开工作:1.首先对高反光金属工件表面图像进行光照不均匀校正,采用多次迭代的基于二维伽马函数的光照不均自适应校正算法对图像进行处理。将彩色图像灰度化,并基于时域与频域,选取多种滤波算法进行分析。主要基于BM3D滤波算法进行去噪研究,并提出一种结合小波分解改进的BM3D滤波算法。通过实验验证预处理算法的效果,结果表明,光照不均校正算法能够较好的平衡图像中光照分量,并且通过改进的去噪算法,不仅有效的过滤了高光噪声点,同时也增强了ROI区域的纹理信息。2.通过对工件图像进行边缘提取及特征分析来实现对含缺陷工件的快速检测。对图像应用亚像素边缘检测方法进行边缘提取研究,对比分析几种基于矩的亚像素边缘提取方法,重点对Zernike矩亚像素边缘提取算法进行研究,并提出一种渐变式边缘模型对原算法进行改进。应用灰度共生矩阵对提取的边缘特征进行分析,并设置阈值对比分析结果来判断工件有无缺陷。实验结果显示,该方法不仅能够高效进行检测,并且检测准确率能够获得保证。3.研究了当前主流的基于深度学习的分类网络,重点分析ResNet及DenseNet网络模型,由于ResNet在训练中收敛更快,且波动幅度更小,本文选取基于ResNet50进行缺陷分类检测。通过对加快模型训练及迁移学习的研究对网络性能进行优化。实验结果显示,在硬件条件允许下,采用大的Batchsize和低精度训练可以加快网络训练速度及收敛速度,并且能提高分类精度。使用迁移学习对网络模型微调后,网络模型训练时的收敛速度及最终的分类精度均有相应的提高。基于机器视觉检测技术结合深度学习分类网络,本文提出一种基于亚像素边缘提取的缺陷快速检测方法,并应用ResNet50网络对工件缺陷进行分类。高反光金属工件缺陷检测模型相对于人工检测和传统的机器视觉检测方法,在抗干扰和检测精度等方面表现良好,最终可以达到98.3%的分类准确率,对于促进工业中高反光金属工件的视觉自动化检测具有重要意义。
张肃[9]（2014）在《光学相关运动目标识别技术的研究》文中提出应用光学相关原理的联合变换相关器以运算速度快、信息存储容量大以及平行运算等优点广泛应用于模式识别领域中。通过探测目标与模板而得到的相关点为依据,进而确定目标的方位信息,并将这种光电混合系统结合各种计算机编程技术,已经完成了对微光目标、红外目标、复杂背景下目标及小目标等多种静止目标的识别。但是在运动目标的光学相关识别中,由于目标自身运动所导致的目标与模板之间存在的畸变问题及周围复杂背景、天气变化和低对比度环境等外在因素对联合变换相关器的干扰,出现了在探测过程中没有相关点或相关点微弱的现象,严重影响运动目标光学相关识别的顺利进行。针对运动过程中目标与模板之间存在的大小、旋转及形状等不匹配的问题,提出了瞬态模板更换的方法,选择识别动态序列中的前一帧瞬时状态作为下一帧的模板,这样便可完成实时对模板的更新。为了增强相关点的亮度,提高相关器的识别效率,分别将小波、多小波及小波的提升算法引入对运动图像的物面处理技术中。提出了采用形态学膨胀处理的小波边缘提取算法及小波多尺度边缘融合算法；应用多小波所具有的多重多分辨率分析性质,提出了基于多小波变换的边缘提取算法及能分别增强高、低频信息的多小波图像增强技术；并进一步对小波的算法进行提升,给出了基于小波提升算法的边缘提取方法。分别将这些物面处理算法与瞬态模板方法相结合应用到光学相关运动目标的识别中,结果表明,基于小波变换的模极大值提取、小波多尺度边缘融合及基于多小波变换的图像增强算法均可提高相关器对低对比度运动目标的识别率。基于多小波变换的边缘提取可完成对运动微光目标及复杂背景下运动小目标的相关识别。而基于小波提升算法的边缘提取方法可实现复杂背景下运动目标的探测,并使运算速度得以提升,运算量减少。大量实验结果验证了应用该算法可实现光学相关运动目标的识别与探测技术。
刘帅奇[10]（2013）在《基于多尺度几何变换的遥感图像处理算法研究》文中提出遥感图像在国防和民用方面起着不可替代的作用,由于其成像机制与可见光图像的差异很大,因此研究针对该类图像的特点的处理算法尤为重要。多尺度几何分析从提出到现在已经有十几年的历史了,虽然这些方法本身具有良好的时频性能,且能很好地解决所对应方向的一些多维信号处理的问题。但是由此理论生成的多尺度几何变换还有不少的缺点而有待完善,例如,一些多尺度几何变换不具有移不变性和解析性,方向选择性较差等,而且针对遥感图像的特点不同种类的多尺度几何变换具有不同的处理效果,本文的研究主要基于目前常用的多尺度几何变换——轮廓波（Contourlet）、双树复小波（dual-tree complex wavelet, DTCWT）、剪切波（Shearlet）和超分析小波（hyperanalysis wavelet, HWT）。本文的应用领域主要是遥感图像的处理,包括SAR图像的去噪、机场异物检测、边缘检测、图像分离、遥感图像的融合。本文以多尺度几何变换为主线,针对其在遥感图像处理应用中的关键技术进行了深入系统的研究。本文在前人的基础上从以下两个方面进行深入的研究。一方面,改进现有的多尺度几何变换的性质和创造新的具有更好性质的多尺度几何变换。另一方面,根据不同的应用场景构造不同的基于多尺度几何变换的算法将变换应用到遥感图像处理领域中。本文的主要贡献如下：1.基于多尺度几何变换的SAR图像去噪算法研究针对现有多尺度几何变换缺乏方向选择性和移不变性的缺点,本文从这两方面进行了改进,针对Contourlet变换的改进包括Wavelet-Contourlet变换、复轮廓波变换、局部混合滤波,而针对Shearlet变换的改进为复Shearlet变换,最后构造了一种适合机场雷达图像去噪的移不变二维混合变换。改进的变换具有移不变性和良好的方向选择性以及稀疏性,丰富了多尺度几何变换的内容,也更有利于雷达图像的去噪。针对SAR图像成像特点,本文基于上述的多尺度几何变换提出了几种去噪算法：一是基于改进后的Contourlet变换的SAR图像去噪算法——基于Wavelet-Contourlet变换的Cycle Spinning去噪算法、基于复Contourlet变换高斯混合去噪算法、基于局部混合滤波的去噪算法；二是基于改进后Shearlet变换的SAR图像去噪算法——基于Shearlet双变量去噪算法、基于复Shearlet变换高斯混合去噪算法、基于稀疏表示的去噪算法、基于贝叶斯收缩的去噪算法；最后则是基于移不变二维混合变换的机场雷达图像去噪。仿真结果表明了所提出的去噪算法的有效性和可靠性。针对上述的算法,本文总结了基于多尺度几何变换去噪的常用框架,并且将上述算法进行一一对比,分析他们在雷达图像去噪中的优缺点,以利于未来进一步的研究。2.基于多尺度几何变换的SAP图像边缘检测算法研究针对现有的多尺度几何变换在SAR图像边缘检测中没有充分地利用多尺度变换方向信息和多尺度边缘信息融合规则比较简单的缺点,本文总结了多尺度几何变换在SAR图像边缘检测中应用的典型步骤,提出了三种基于多尺度几何变换的SAP图像边缘检测算法。第一种边缘检测算法是基于上述的局部混合滤波去噪算法构造的,本文对基于多尺度几何变换的SAR图像边缘检测算法的几个步骤进行了改进,首先改进了平滑过程,然后使用多比例模型Canny算子进行单个尺度的边缘信息检测,最后采用证据理论进行各尺度的边缘信息融合。第二种边缘检测算法是基于稀疏去噪和最小二乘支持向量机进行边缘检测,首先使用稀疏表示进行去噪,然后采用最小二乘支持向量机进行边缘检测。第三种边缘检测算法是基于稀疏表示去噪算法利用多尺度几何变换的方向性构造的,稀疏表示去噪是一种迭代去噪模型,本文利用形态学算子检测每次迭代的方向边缘信息,然后采用证据理论将其融合为完整的边缘。最后本文将上述算法进行一一对比,分析它们在SAP图像边缘检测中的优缺点,以利于未来进一步的研究。3.基于多尺度几何分离字典的图像几何分离算法研究在研究星星轨迹时需要将天文图像中的点和曲线进行分离,而现有的算法计算复杂度太大和计算时间太长,因此本文提出了三种新的图像几何分离字典进行图像分离,其中一种是基于复Shearlet和双正交小波字典,另外一种是基于圆对称Shearlet和双正交小波字典,还有一种是基于超分析Shearlet和双正交小波字典,对于最后一种字典本文还采用了新的迭代算法进行图像几何分离。为了客观地评价各种算法的图像几何分离效果,本文提出了一种分离效果评价标准一分离度。实验结果证明了该算法的有效性,最后本文分析了上述算法的优缺点,以利于进一步的研究。4.基于多尺度几何变换的遥感图像融合算法研究针对当前变换域图像融合由于引入人造纹理而导致融合效果比较差的缺点,本文提出了一种基于剪切波变换和向导滤波的图像融合算法,该算法充分的利用了图像的空间连续性,从而抑制了人造纹理的产生,实验结果表明该算法不仅可以有效地提高图像融合的视觉效果,而且还具有很好的鲁棒性,可以应用到包括多聚集图像和不同类型遥感图像的图像融合中。
二、利用完全重构滤波器组进行图像的多尺度边缘提取（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用完全重构滤波器组进行图像的多尺度边缘提取（论文提纲范文）
（1）几种类型图像边缘检测的相关问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 织物图像边缘检测研究现状 |
| 1.2.2 彩色图像边缘检测研究现状 |
| 1.2.3 遥感图像边缘检测研究现状 |
| 1.2.4 齿轮图像边缘检测研究现状 |
| 1.3 图像去噪预处理研究 |
| 1.3.1 图像噪声分类 |
| 1.3.2 图像卷积处理 |
| 1.3.3 图像去噪方法 |
| 1.3.4 图像去噪效果客观评价指标 |
| 1.4 研究内容 |
| 1.5 论文结构安排 |
| 1.6 本章小结 |
| 2 印花织物图像边缘提取 |
| 2.1 传统滤波器介绍 |
| 2.1.1 高斯滤波器 |
| 2.1.2 均值滤波器 |
| 2.1.3 修正的阿尔法均值滤波器 |
| 2.1.4 中值滤波器 |
| 2.1.5 自适应中值滤波器 |
| 2.2 改进滤波器 |
| 2.2.1 改进修正的阿尔法均值滤波器 |
| 2.2.2 改进自适应中值滤波器 |
| 2.3 小波模极大值法边缘检测 |
| 2.3.1 经典小波模极大值法 |
| 2.3.2 传统Otsu算法 |
| 2.3.3 改进的小波模极大值法 |
| 2.4 印花织物图像边缘检测实验过程 |
| 2.4.1 高斯噪声平滑实验分析 |
| 2.4.2 椒盐噪声平滑实验分析 |
| 2.4.3 混合噪声平滑实验分析 |
| 2.4.4 印花织物图像边缘提取实验分析 |
| 2.5 本章小结 |
| 3 彩色图像边缘检测研究 |
| 3.1 基于小波变换的去噪算法研究 |
| 3.1.1 小波变换的基本理论 |
| 3.1.2 基于小波变换的去噪方法介绍 |
| 3.2 基于小波变换的小波阈值去噪算法介绍 |
| 3.2.1 小波阈值去噪原理 |
| 3.2.2 常见的小波阈值去噪函数 |
| 3.2.3 自适应阈值选取 |
| 3.3 改进小波阈值去噪函数 |
| 3.3.1 改进自适应阈值选取 |
| 3.3.2 建立多层小波阈值去噪函数 |
| 3.3.3 多层小波阈值去噪函数效果验证 |
| 3.4 四元数理论构建特征矩阵 |
| 3.4.1 四元数理论及基本运算 |
| 3.4.2 四元数表示彩色图像 |
| 3.4.3 四元数结合Canny算子 |
| 3.5 彩色图像边缘检测实验过程 |
| 3.6 本章小结 |
| 4 齿轮图像边缘检测研究 |
| 4.1 数学形态学边缘检测 |
| 4.1.1 数学形态学基本理论 |
| 4.1.2 数学形态学的基本运算 |
| 4.2 Canny算子边缘检测 |
| 4.2.1 传统Canny算子 |
| 4.2.2 传统Canny算子分析 |
| 4.3 改进Canny算子边缘检测 |
| 4.3.1 改进梯度幅值和梯度幅角计算方式 |
| 4.3.2 改进阈值选取方式 |
| 4.4 改进数学形态学边缘检测 |
| 4.5 齿轮图像边缘检测实验过程及分析 |
| 4.5.1 改进数学形态学算法去噪效果验证 |
| 4.5.2 齿轮图像边缘检测实验过程 |
| 4.6 本章小结 |
| 5 遥感图像边缘检测研究 |
| 5.1 Top-hat变换基本理论 |
| 5.2 改进的一维Otsu阈值分割算法 |
| 5.3 非下采样轮廓波变换(NSCT)基本理论 |
| 5.4 遥感图像边缘检测算法 |
| 5.4.1 边缘检测算法整体流程 |
| 5.4.2 边缘检测算法实验过程 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（2）大豆冠层信息获取图像融合方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机低空遥感应用国内外研究现状 |
| 1.2.2 多源遥感图像融合算法国内外研究现状 |
| 1.3 研究的内容、方法以及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 主要研究方法 |
| 1.3.3 技术路线 |
| 2 低空遥感图像融合技术研究 |
| 2.1 遥感图像融合层次划分 |
| 2.1.1 像素级图像融合 |
| 2.1.2 特征级图像融合 |
| 2.1.3 决策级图像融合 |
| 2.2 图像融合质量评价 |
| 2.2.1 主观评价指标 |
| 2.2.2 客观评价指标 |
| 2.3 样本数据选取及分析 |
| 2.3.1 试验地选取 |
| 2.3.2 飞行参数设定 |
| 2.3.3 样本数据确定 |
| 2.4 像素级图像融合算法研究及应用 |
| 2.4.1 基于成分替换的图像融合方法 |
| 2.4.2 基于多尺度分析的图像融合方法 |
| 2.4.3 实验结果分析 |
| 2.5 本章小结 |
| 3 IHS变换和NSCT相结合的图像融合算法研究 |
| 3.1 算法理论基础 |
| 3.1.1 基于IHS变换的分量提取 |
| 3.1.2 非下采样金字塔滤波组 |
| 3.1.3 非下采样方向滤波器组 |
| 3.2 基于IHS变化结合非下采样轮廓波变换融合算法研究 |
| 3.2.1 算法实现过程 |
| 3.2.2 低频子带信息融合规则 |
| 3.2.3 高频子带信息融合规则 |
| 3.3 融合结果分析及效果评价 |
| 3.4 本章小结 |
| 4 实验结果与质量评价 |
| 4.1 边缘轮廓提取验证试验 |
| 4.1.1 基于搜索的边缘检测方法 |
| 4.1.2 基于零交叉的边缘检测方法 |
| 4.1.3 实验结果分析 |
| 4.2 归一化植被指数提取验证试验 |
| 4.2.1 理论基础分析 |
| 4.2.2 试验设计 |
| 4.2.3 数据处理与结果分析 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 进一步研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 个人情况 |
| 教育背景 |
| 科研经历 |
| 在学期间发表论文 |
| 专利 |
| 软着 |
（3）多尺度形态学手掌识别系统建模与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 手掌研究背景与意义 |
| 1.1.1 手掌研究背景 |
| 1.1.2 手掌研究意义和应用价值 |
| 1.2 手掌研究国内外现状 |
| 1.2.1 手掌图像的采集 |
| 1.2.2 手掌图像的预处理 |
| 1.2.3 手掌图像特征提取 |
| 1.3 研究的创新点 |
| 1.4 主要内容与结构安排 |
| 第2章 基于IoT架构的手掌识别系统建模 |
| 2.1 手掌纹理采集与分析装置设计 |
| 2.2 手掌识别系统开发平台 |
| 2.3 试验与测试 |
| 2.4 本章小结 |
| 第3章 多尺度手掌图像分析 |
| 3.1 轮廓波变换与小波变换 |
| 3.2 多尺度特征融合算法分析 |
| 3.3 手掌图像多尺度分析 |
| 3.3.1 构造离散域滤波器 |
| 3.3.2 拉普拉斯金字塔框架 |
| 3.3.3 迭代定向滤波器组 |
| 3.3.4 多尺度和方向分解:离散轮廓波变换 |
| 3.4 本章小结 |
| 第4章 形态学手掌图像识别研究 |
| 4.1 手掌图像形态学变换处理基本原理 |
| 4.1.1 数学形态学手掌图像处理 |
| 4.1.2 手掌图像形态学处理 |
| 4.2 手掌图像的自适应数学形态学分析 |
| 4.2.1 自适应数学形态学基本原理 |
| 4.2.2 数学形态学自适应边缘连接算法 |
| 4.3 手掌图像多尺度形态学边缘分析 |
| 4.4 本章小结 |
| 第5章 多尺度形态学手掌识别算法实现 |
| 5.1 算法设计 |
| 5.1.1 多尺度手掌图像细节增强 |
| 5.1.2 手掌图像ROI预处理 |
| 5.1.3 特征提取与构造特征向量 |
| 5.2 试验过程 |
| 5.2.1 手掌图像数据库选取 |
| 5.2.2 示例图像纹理特征提取 |
| 5.2.3 被识别测试图像纹理特征与识别 |
| 5.3 实验结论 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读学位期间获得与学位论文相关的科研成果目录 |
| 致谢 |
（4）基于红外热波技术的大尺寸复合材料缺陷检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 应用于航天器的典型复合材料介绍 |
| 1.1.2 大尺寸复合材料的无损检测需求 |
| 1.2 复合材料缺陷检测国内外研究现状 |
| 1.3 本文主要的研究内容与章节安排 |
| 第二章 基于红外热波技术的复合材料缺陷特征重构算法 |
| 2.1 引言 |
| 2.2 红外热波成像检测理论基础 |
| 2.2.1 红外热波成像检测原理 |
| 2.2.2 基于红外热波技术的大尺寸复合材料缺陷检测实验平台 |
| 2.3 基于分类器的复合材料重构图像构造算法 |
| 2.3.1 理论介绍 |
| 2.3.2 基于KG-EM的复合材料重构图像构造算法 |
| 2.4 实验及结果分析 |
| 2.5 本章小结 |
| 第三章 基于图像处理的大尺寸复合材料缺陷重构图像拼接方法 |
| 3.1 引言 |
| 3.2 拼接方法的常用框架 |
| 3.3 基于红外重构图像的图像特征点提取算法 |
| 3.3.1 SIFT特征点提取算法 |
| 3.3.2 SURF特征点提取算法 |
| 3.3.3 基于SURF-BRISK红外重构图像特征点提取算法 |
| 3.4 红外重构图像的配准算法 |
| 3.4.1 红外重构图像特征点特征描述符初始匹配 |
| 3.4.2 红外重构图像特征点特征描述符匹配点对提纯 |
| 3.4.3 基于移动线性变换的红外重构图像配准算法 |
| 3.5 实验及结果验证 |
| 3.6 本章小结 |
| 第四章 大尺度复合材料缺陷定量识别方法 |
| 4.1 引言 |
| 4.2 大尺寸复合材料缺陷定量算法研究 |
| 4.2.1 红外重构拼接图像像素位置转换方法及重叠区域的确定 |
| 4.2.2 红外重构拼接图像缺陷特征提取算法 |
| 4.2.3 缺陷特征对应瞬态热响应曲线相似性度量方法 |
| 4.2.4 大尺度复合材料缺陷定量检测方法 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）基于机器视觉的3D打印过程图像检测系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 3D打印成型精度研究现状 |
| 1.2.2 基于机器视觉的 3D打印图像检测研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 Corexy结构 3D打印机视觉检测系统设计 |
| 2.1 机器视觉检测系统原理 |
| 2.2 机器视觉系统结构设计 |
| 2.3 摄相机成像模型和相机标定 |
| 2.4 相机成像畸变 |
| 2.5 本章小结 |
| 第3章 基于中值滤波和小波变换图像去噪算法研究 |
| 3.1 视觉图像检测流程 |
| 3.2 基于中值滤波图像去噪算法研究 |
| 3.2.1 中值滤波 |
| 3.2.2 自适应中值滤波算法 |
| 3.2.3 本文采用的改进自适应中值滤波算法 |
| 3.3 基于小波变换图像去噪算法研究 |
| 3.3.1 小波变换基本理论 |
| 3.3.2 小波阈值滤波原理 |
| 3.3.3 改进小波阈值滤波算法 |
| 3.3.4 噪声的小波变换特性 |
| 3.4 本文采用的融合滤波算法 |
| 3.5 仿真实验及结果分析 |
| 3.6 本章小结 |
| 第4章 基于改进边缘检测的 3D打印质量检测 |
| 4.1 图像边缘检测原理 |
| 4.2 基于小波变换图像边缘检测算法 |
| 4.2.1 小波变换边缘检测原理 |
| 4.2.2 多尺度分析及二维Mallat算法 |
| 4.2.3 小波变换模极大值多尺度边缘检测算法 |
| 4.3 基于形态学边缘检测算法 |
| 4.3.1 改进的形态学边缘检测算法 |
| 4.3.2 本文采用的融合边缘检测算法 |
| 4.4 仿真实验及结果分析 |
| 4.5 本章小结 |
| 第5章 基于SFM稀疏点云重建的 3D打印质量检测 |
| 5.1 对极几何 |
| 5.2 SIFT特征点匹配与提取 |
| 5.3 增量式稀疏点云重建 |
| 5.4 光束平差法 |
| 5.5 仿真实验及结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文和其它成果 |
| 致谢 |
（6）肺实质与肝血管CT图像分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 CT图像肺实质分割的研究现状 |
| 1.3 CT图像肝血管分割的研究现状 |
| 1.4 本文主要工作及内容安排 |
| 2 理论支撑 |
| 2.1 CT成像原理 |
| 2.2 医学CT图像分割算法 |
| 2.3 三维重建原理 |
| 2.4 本章小结 |
| 3 基于Surfacelet变换与PCNN的三维肺实质分割 |
| 3.1 Surfacelet变换原理 |
| 3.2 基于最小交叉熵的简化PCNN模型 |
| 3.3 基于Surfacelet变换与PCNN的肺实质分割方法 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于区域生长的肝血管分割算法 |
| 4.1 血管图像增强算法 |
| 4.2 基于区域生长的肝血管分割 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）高分辨率可见光遥感图像建筑物提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统建筑物目标提取 |
| 1.2.2 人工智能建筑物目标提取 |
| 1.2.3 建筑物先验信息提取及应用 |
| 1.3 本文的主要研究内容及结构安排 |
| 第2章 建筑物目标提取框架及关键信息挖掘理论 |
| 2.1 引言 |
| 2.2 高分辨率可见光遥感图像建筑物提取典型框架 |
| 2.3 建筑物提取基础信息挖掘方法 |
| 2.3.1 视觉系统与注意机制 |
| 2.3.2 图像颜色及颜色信息提取 |
| 2.3.3 目标方向及方向信息提取 |
| 2.4 建筑物目标提取结果评价方法 |
| 2.5 本章小结 |
| 第3章 颜色及方向信息联合的建筑物边缘图提取 |
| 3.1 引言 |
| 3.2 建筑物目标相关颜色信息挖掘 |
| 3.2.1 基于色差变换的颜色信息增强 |
| 3.2.2 颜色空间信息感知 |
| 3.3 基于局部方向统计的主方向信息感知 |
| 3.4 基于主方向信息约束的建筑物边缘图生成 |
| 3.4.1 基于四窗口高斯伽马滤波的初级建筑物边缘图生成 |
| 3.4.2 基于多阶统计信息分析的中级建筑物边缘强度图生成 |
| 3.4.3 基于主方向轨迹搜索的高级建筑物边缘强度图生成 |
| 3.5 实验结果与分析 |
| 3.5.1 数据集描述 |
| 3.5.2 高分辨率遥感可见光图像建筑物边缘图提取实验 |
| 3.5.3 参数敏感性分析 |
| 3.6 本章小结 |
| 第4章 基于双尺度边缘分类及决策融合策略的建筑物轮廓提取 |
| 4.1 引言 |
| 4.2 面向边缘分类的训练数据选择 |
| 4.2.1 基于边缘检测图的预处理 |
| 4.2.2 全局建筑物边缘先验知识提取 |
| 4.2.3 训练数据自动获取 |
| 4.3 基于稀疏SVM的特征自动选择和分类 |
| 4.3.1 纹理特征 |
| 4.3.2 结构特征 |
| 4.3.3 基于sparse SVM的建筑物边缘图分类 |
| 4.4 基于双尺度决策融合的轮廓提取 |
| 4.4.1 双尺度权值融合 |
| 4.4.2 基于边缘强度图的建筑物轮廓提取 |
| 4.5 实验结果与分析 |
| 4.5.1 数据集描述 |
| 4.5.2 建筑物轮廓提取实验与分析 |
| 4.5.3 基于VHR数据集的建筑物轮廓提取鲁棒性评价实验 |
| 4.6 本章小结 |
| 第5章 基于多层语义信息联合的建筑物目标深度感知 |
| 5.1 引言 |
| 5.2 多尺度建筑物目标显着图构建 |
| 5.2.1 卷积神经网络及特征表示 |
| 5.2.2 基于深度全卷积网络的多尺度显着区域图获取 |
| 5.3 基于边缘优化的目标提取 |
| 5.3.1 基于建筑物颜色和形状先验约束的区域显着性优化 |
| 5.3.2 基于建筑物区域先验约束的轮廓显着图优化 |
| 5.3.3 基于改进二分空间分解算法的建筑物目标信息融合 |
| 5.4 实验结果与分析 |
| 5.4.1 建筑物目标显着图提取实验与分析 |
| 5.4.2 建筑物目标提取实验与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）基于深度学习的高反光金属工件表面缺陷检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外发展现状 |
| 1.3 基于机器视觉的工件表面缺陷检测系统 |
| 1.4 主要研究内容 |
| 第二章 图像预处理 |
| 2.1 光照不均匀图像校正算法 |
| 2.2 彩色图像灰度化 |
| 2.3 图像滤波算法研究 |
| 2.3.1 小波变换滤波算法 |
| 2.3.2 双边滤波算法 |
| 2.3.3 各向异性扩散滤波算法 |
| 2.3.4 BM3D滤波算法 |
| 2.3.5 滤波算法改进 |
| 2.3.6 滤波算法结果对比分析 |
| 第三章 图像缺陷检测 |
| 3.1 边缘检测技术研究 |
| 3.2 像素级边缘检测算法研究 |
| 3.2.1 算法概述 |
| 3.2.2 算法效果对比 |
| 3.3 亚像素级的边缘检测算法研究 |
| 3.3.1 算法概述 |
| 3.3.2 算法优化 |
| 3.3.3 算法效果对比 |
| 3.4 基于灰度共生矩阵算法的特征分析 |
| 3.5 缺陷检测算法设计 |
| 第四章 基于深度学习的工件缺陷的分类 |
| 4.1 基于深度学习的分类网络研究 |
| 4.2 ResNet网络模型 |
| 4.3 DenseNet网络模型 |
| 4.4 ResNet与 DenseNet网络效果对比 |
| 4.4.1 样本数据处理 |
| 4.4.2 实验分析 |
| 4.5 分类网络优化 |
| 4.5.1 加快模型训练研究 |
| 4.5.2 迁移学习研究 |
| 4.5.3 基于ResNet50 模型的网络优化 |
| 4.5.4 优化模型与原模型效果对比 |
| 4.6 分类网络性能对比 |
| 第五章 总结与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读学位期间取得的研究成果 |
（9）光学相关运动目标识别技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 光学相关测试技术的概述 |
| 1.3 运动目标识别的研究进展 |
| 1.4 物面图像处理技术在光学相关目标识别中的应用 |
| 1.5 课题的研究内容 |
| 第二章 光学相关识别技术基本原理与实验装置 |
| 2.1 傅里叶变换及透镜系统傅里叶变换性质 |
| 2.2 联合变换相关器识别原理 |
| 2.3 光电混合联合变换相关器的基本原理及实验装置 |
| 2.4 光电混合联合变换相关器中器件参数指标的确定 |
| 2.5 实验装置调校 |
| 2.6 联合变换相关器的小型化装置 |
| 2.7 光学相关与数字相关处理的比较 |
| 2.8 运动目标特点及对光学相关识别的影响 |
| 2.9 小结 |
| 第三章 小波变换方法在物面处理技术中的应用 |
| 3.1 小波变换产生的背景 |
| 3.2 小波变换的定义 |
| 3.3 多分辨率分析 |
| 3.4 小波的分解与重构 |
| 3.5 二维小波的分解与重构算法 |
| 3.6 常用的小波基函数 |
| 3.7 基于小波变换的边缘提取 |
| 3.8 基于小波变换的多尺度边缘融合 |
| 3.9 小结 |
| 第四章 多小波变换方法在物面处理技术中的应用 |
| 4.1 多小波的多分辨率分析 |
| 4.2 几种常用的多小波函数 |
| 4.3 多小波的计算 |
| 4.4 二维信号的多小波变换 |
| 4.5 基于多小波变换的边缘提取 |
| 4.6 基于多小波变换的图像增强 |
| 4.7 小结 |
| 第五章 小波的提升方法在物面处理技术中的应用 |
| 5.1 小波提升算法的基本方法 |
| 5.2 小波滤波器的提升算法 |
| 5.3 几种常用小波的提升算法 |
| 5.4 基于小波提升算法的边缘提取 |
| 5.5 小结 |
| 第六章 光学相关运动目标识别技术的实验研究与分析 |
| 6.1 瞬态模板方法的应用 |
| 6.2 基于小波变换的物面处理方法在运动目标相关识别中的应用 |
| 6.3 基于多小波变换的物面处理方法在运动目标相关识别中的应用 |
| 6.4 基于小波提升算法的边缘提取在运动目标相关识别中的应用 |
| 6.5 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读博士期间发表论文 |
| 攻读博士期间参与科研项目 |
| 攻读博士期间参与编写着作 |
（10）基于多尺度几何变换的遥感图像处理算法研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 雷达成像基础知识 |
| 1.2.2 遥感图像处理算法研究现状 |
| 1.2.3 多尺度几何变换框架 |
| 1.2.4 多尺度几何变换在遥感图像中的应用框架 |
| 1.3 本文的主要研究内容 |
| 1.4 论文结构 |
| 2 多尺度几何变换基础理论 |
| 2.1 Contourlet变换及其改进 |
| 2.1.1 Contourlet变换 |
| 2.1.2 小波-Contourlet变换 |
| 2.1.3 非下采样方向滤波器(NSDFB) |
| 2.1.4 复轮廓波变换 |
| 2.1.5 NSDFB-DTCWT构造 |
| 2.2 Shearlet变换及其改进 |
| 2.2.1 Shearlet变换 |
| 2.2.2 离散Shearlet变换 |
| 2.2.3 复Shearlet变换 |
| 2.3 移不变二维混合变换 |
| 3 基于多尺度几何变换的SAR图像去噪算法研究 |
| 3.1 基于Contourlet变换的SAR图像去噪算法研究 |
| 3.1.1 基于小波-轮廓波和循环平移算法的SAR图像去噪 |
| 3.1.2 基于复轮廓波高斯混合模型的SAR图像去噪 |
| 3.1.3 基于局部混合滤波的SAR图像去噪 |
| 3.2 基于Shearlet变换的SAR图像去噪算法研究 |
| 3.2.1 基于双变量的SAR图像去噪 |
| 3.2.2 基于复Shearlet域的高斯混合模型SAR图像去噪 |
| 3.2.3 基于稀疏表示的Shearlet域SAR图像去噪 |
| 3.3 基于移不变二维混合变换的机场雷达成像噪声抑制 |
| 3.3.1 机场雷达图像去噪 |
| 3.3.2 实验结果与分析 |
| 3.4 本章小结 |
| 4 基于多尺度几何变换的SAR图像边缘检测算法研究 |
| 4.1 基于局部混合滤波的SAR图像边缘检测 |
| 4.1.1 尺度边缘检测算子和尺度边缘融合规则 |
| 4.1.2 实验结果与分析 |
| 4.2 基于稀疏表示与LS-SVM的SAP图像边缘检测 |
| 4.2.1 基于LS-SVM的边缘检测算子 |
| 4.2.2 基于稀疏表示的边缘检测算法 |
| 4.2.3 实验结果与分析 |
| 4.3 基于稀疏表示与形态学的SAR图像边缘检测算法 |
| 4.3.1 稀疏去噪模型与形态学边缘检测算法 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 5 基于多尺度几何变换的图像几何分离研究 |
| 5.1 图像几何分离 |
| 5.1.1 问题描述 |
| 5.1.2 基于小波-Shearlet变换的图像几何分离 |
| 5.2 基于小波-复Shearlet变换的图像几何分离 |
| 5.2.1 小波-复Shearlet联合字典 |
| 5.2.2 实验结果与分析 |
| 5.3 基于小波-圆对称Shearlet变换的图像几何分离 |
| 5.3.1 小波-圆对称Shearlet联合字典 |
| 5.3.2 实验结果与分析 |
| 5.4 基于小波-超分析Shearlet变换的图像几何分离 |
| 5.4.1 小波-超分析Shearlet联合字典 |
| 5.4.2 快速方向交替迭代算法 |
| 5.4.3 实验结果与分析 |
| 5.5 本章小结 |
| 6 基于多尺度几何变换的遥感图像融合算法研究 |
| 6.1 图像融合算法简述及改进方法 |
| 6.2 向导滤波 |
| 6.3 融合规则 |
| 6.4 实验结果与分析 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 论文工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士期间完成的论文 |
| 攻读博士期间参加的科研项目 |
| 学位论文数据集 |
四、利用完全重构滤波器组进行图像的多尺度边缘提取（论文参考文献）
- [1]几种类型图像边缘检测的相关问题研究[D]. 陈顺. 武汉纺织大学, 2021(08)
- [2]大豆冠层信息获取图像融合方法研究[D]. 刘春鹏. 黑龙江八一农垦大学, 2021(10)
- [3]多尺度形态学手掌识别系统建模与实现[D]. 朱志恒. 信阳师范学院, 2021(09)
- [4]基于红外热波技术的大尺寸复合材料缺陷检测研究[D]. 杨晓. 电子科技大学, 2021(01)
- [5]基于机器视觉的3D打印过程图像检测系统设计[D]. 王艺涵. 哈尔滨理工大学, 2021(09)
- [6]肺实质与肝血管CT图像分割方法研究[D]. 张华海. 山东科技大学, 2020(06)
- [7]高分辨率可见光遥感图像建筑物提取方法研究[D]. 郝乐川. 哈尔滨工业大学, 2020(01)
- [8]基于深度学习的高反光金属工件表面缺陷检测研究[D]. 刘婷婷. 河北大学, 2020(08)
- [9]光学相关运动目标识别技术的研究[D]. 张肃. 长春理工大学, 2014(07)
- [10]基于多尺度几何变换的遥感图像处理算法研究[D]. 刘帅奇. 北京交通大学, 2013(06)