本文關(guān)鍵詞： 射線圖像增強(qiáng) 各向異性擴(kuò)散 變分法 對(duì)比度場 非局部均值 Retinex　出處：《中北大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：隨著各種相關(guān)需求的不斷增加,X射線檢測技術(shù)已得到了廣泛的應(yīng)用,在醫(yī)療診斷、安全檢查、航空航天、工業(yè)檢測等領(lǐng)域均發(fā)揮著重要的作用,已然成為我們生產(chǎn)生活中不可或缺的部分。然而,在X射線檢測系統(tǒng)成像過程中,由于工件結(jié)構(gòu)的復(fù)雜性以及成像過程中電氣噪聲、射線噪聲等各種不利因素的影響,導(dǎo)致工業(yè)射線圖像的整體質(zhì)量較差,具體表現(xiàn)為圖像對(duì)比度低、結(jié)構(gòu)細(xì)節(jié)模糊等,進(jìn)而影響對(duì)工件結(jié)構(gòu)的分析和判斷。因此,在實(shí)際應(yīng)用中,為了使射線圖像能夠滿足具體要求,有必要改善X射線圖像的質(zhì)量,以利于對(duì)工件結(jié)構(gòu)的分析與判斷。而圖像增強(qiáng)則可以依據(jù)具體應(yīng)用要求突出圖像中細(xì)節(jié)特征、提高圖像對(duì)比度,從而改善圖像視覺效果。因此,研究優(yōu)質(zhì)高效的X射線圖像增強(qiáng)算法具有特別重要的理論意義與實(shí)際價(jià)值。鑒于此,本文在深入分析、研究國內(nèi)外相關(guān)圖像增強(qiáng)算法的現(xiàn)狀、分析總結(jié)了其在實(shí)際應(yīng)用中存在的問題與不足的基礎(chǔ)上,對(duì)X射線圖像增強(qiáng)算法進(jìn)行了比較深入的研究,提出了一些新的方法和思路,取得了較好的效果。本文的主要工作如下:(1)在研究偏微分方程中各向異性擴(kuò)散模型的基礎(chǔ)上,提出了一種基于局部方差的自適應(yīng)各向異性圖像增強(qiáng)算法。該算法采用局部方差檢測圖像的邊緣特征,然后設(shè)定隨迭代次數(shù)增加而減小的方差閾值,對(duì)圖像特征進(jìn)行分類,在含噪的平坦區(qū)域,采用正向擴(kuò)散,有效去除噪聲;在邊緣細(xì)節(jié)區(qū)域,采用逆向擴(kuò)散,增強(qiáng)圖像中的特征。實(shí)驗(yàn)結(jié)果表明該算法克服了傳統(tǒng)Laplace增強(qiáng)算法對(duì)噪聲敏感的不足,有效地增強(qiáng)了圖像細(xì)節(jié)。(2)針對(duì)圖像梯度對(duì)噪聲敏感的缺點(diǎn),提出了一種改進(jìn)的基于變分方法的對(duì)比度場增強(qiáng)算法。該方法利用圖像的差分曲率來替代梯度,放大系數(shù)隨著差分曲率的增加而單調(diào)遞減。以差分曲率作為自變量的放大系數(shù)函數(shù)考慮了更多的鄰域像素,不僅包括梯度方向上的四個(gè)鄰域像素,還包括對(duì)角線方向上的四個(gè)鄰域像素,從而克服了圖像梯度對(duì)噪聲敏感的缺點(diǎn)。將該方法用于標(biāo)準(zhǔn)測試圖像和X-射線圖像,實(shí)驗(yàn)結(jié)果表明,本章算法增強(qiáng)后的圖像邊緣更加清晰,細(xì)節(jié)更加明顯,噪聲也更少,表現(xiàn)出優(yōu)越的細(xì)節(jié)保護(hù)能力和噪聲抑制能力。(3)在深入分析非局部均值濾波算法原理及特點(diǎn)的基礎(chǔ)上,提出了一種基于非局部差值信息的圖像增強(qiáng)算法。新算法結(jié)合經(jīng)典的高提升圖像銳化算法,引入了非局部均值思想用以計(jì)算鄰域內(nèi)像素參與增強(qiáng)操作的權(quán)重值,鄰域大小可變。同時(shí),中心點(diǎn)像素的權(quán)重值可調(diào),從而體現(xiàn)出高提升的效果。因而,新算法繼承了非局部均值濾波算法與高提升圖像增強(qiáng)算法的優(yōu)點(diǎn)。通過實(shí)驗(yàn)深入分析研究了相關(guān)參數(shù)對(duì)算法性能的影響,并總結(jié)了參數(shù)選擇的原則。此外,針對(duì)經(jīng)典測試圖像與實(shí)際采集的工業(yè)射線圖像的增強(qiáng),從與同類算法性能比較方面進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,經(jīng)所提算法增強(qiáng)后的圖像細(xì)節(jié)信息更加突出,同時(shí)還保持了較高的峰值信噪比,獲得了較滿意的效果。(4)在深入分析Retinex傳統(tǒng)算法的基礎(chǔ)上,研究了一種基于人眼視覺特性的改進(jìn)算法。文中討論了單尺度算法、多尺度算法對(duì)圖像增強(qiáng)的影響,選取不同的參數(shù)值,圖像呈現(xiàn)不同的增強(qiáng)效果。算法采用S函數(shù)模型將非線性運(yùn)算引入到圖像增強(qiáng)中,S函數(shù)模型更能符合人眼特性,并且可以克服對(duì)數(shù)處理模型拉伸超出圖像顯示范圍的問題,算法還從保護(hù)圖像亮度和降低射線噪聲對(duì)圖像的影響兩個(gè)方面做了改進(jìn)。實(shí)驗(yàn)結(jié)果表明該方法不僅對(duì)普通灰度圖像具有增強(qiáng)效果,還對(duì)具有低對(duì)比度的射線圖像有良好的增強(qiáng)效果,可以滿足射線圖像后續(xù)處理分析的要求。
[Abstract]:With the increasing demand of various related, X ray detection technology has been widely used in medical diagnosis, safety inspection, aerospace, industrial detection plays an important role, has become an indispensable part in our production and daily life. However, in the X ray detection system in the imaging process, due to electrical noise the complexity of structure and the effect of X-ray imaging process, noise and other kinds of unfavorable factors, leading to the overall poor quality of radiographic images, the specific performance of low image contrast, details of the structure fuzzy, and then affect the analysis and judgment of the structure. Therefore, in practice, in order to make the X-ray image to meet the specific it is necessary to improve the quality requirements, X ray image, in order to facilitate the analysis and judgment of the workpiece structure. And image enhancement can be based on the specific application requirements of outstanding image The detail characteristic, improve image contrast, so as to improve the visual effect. Therefore, the research of X ray image quality enhancement algorithm is of great theoretical and practical value. In view of this, based on the thorough analysis, the present research situation of enhancement algorithm of image at home and abroad, analyzes the existing in the practical application the problems and shortcomings on the X-ray image enhancement algorithm for X are studied, and puts forward some new methods and ideas, and achieved good results. The main work of this paper are as follows: (1) based anisotropic diffusion model in the study of partial differential equations, this paper proposed an adaptive anisotropic the specific image enhancement algorithm based on local variance. The algorithm uses edge detection image local variance, and then set as the number of iterations decreases the variance threshold of image features The classification, on a flat area with noise, the use of forward diffusion, effectively remove the noise in the edge region; by reverse diffusion, enhanced features in the image. The experimental results show that this algorithm overcomes the deficiency of algorithm is sensitive to noise enhancement of traditional Laplace, effectively enhance the image details. (2) aiming at the disadvantages of image gradient noise sensitive, proposes a variational method of contrast enhancement algorithm based on improved image. The method uses the differential curvature instead of gradient, with increasing differential amplification coefficient of curvature decreases. The differential amplification coefficient of curvature as the function arguments considering the neighborhood pixels more, not only including four pixel neighborhood gradient direction, also includes four neighborhood pixel diagonal direction, thereby overcoming the image gradient sensitivity to noise. The method used in the standard test images and X- The X-ray images, the experimental results show that the algorithm in this chapter after the image edge enhancement is more clear, the details are more obvious, less noise, showing details of noise protection ability and superior suppression ability. (3) based on the in-depth analysis of the principle and characteristics of non local mean filtering algorithm, this paper proposed an image non local based on the difference information enhancement algorithm. The new algorithm combines high image sharpening algorithm, introduced the idea of non local means used in the computation of neighborhood pixels involved in the enhancement of the operations of the weight value, the variable neighborhood size. At the same time, the weight of the center pixel value is adjustable, which reflects the high lift effect. Therefore, the new algorithm the inheritance of the non local mean filtering algorithm and image enhancement algorithm has the advantages of high lift. Through the in-depth analysis of the relevant parameters on the performance of the algorithm, and summarizes the principle for choosing the parameters in addition, To enhance the industrial radiographic image classic test image and actual acquisition, verified from the performance comparison with other algorithms. The experimental results show that the proposed algorithm enhances the image details more prominent, while maintaining the high peak signal-to-noise ratio, obtained satisfactory results. (4) based on a thorough analysis of the traditional Retinex algorithm, an improved algorithm is studied based on human visual characteristics. This paper discusses the single scale algorithm, multi-scale algorithm of image enhancement, different parameter values, the image shows various enhancement effect. The algorithm uses the S function to model the nonlinear operations into the image enhanced, S function model can accord with human characteristics, and it can overcome the logarithmic model stretched beyond the scope of the problem of image display, image brightness and protection algorithm from reducing shot noise on the line The two aspects of image influence have been improved. The experimental results show that this method not only enhances the effect of ordinary grayscale images, but also enhances the low contrast radiographic images, which can meet the requirements of subsequent processing and analysis of radiographic images.

【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;飛利浦半導(dǎo)體推出“靈動(dòng)100”圖像增強(qiáng)新技術(shù)[J];廣播與電視技術(shù);2001年11期

2 ;飛利浦半導(dǎo)體推出“靈動(dòng)100”圖像增強(qiáng)新技術(shù)[J];電子世界;2001年11期

3 高進(jìn);圖像增強(qiáng)電路設(shè)計(jì)[J];光電技術(shù)應(yīng)用;2005年05期

4 黃世國;耿國華;;一種非線性逆擴(kuò)散圖像增強(qiáng)算法[J];計(jì)算機(jī)應(yīng)用;2006年08期

5 吳笑松;李明;;數(shù)字乳腺圖像增強(qiáng)的應(yīng)用和比較[J];CT理論與應(yīng)用研究;2006年04期

6 都安平;趙永強(qiáng);潘泉;張惠娟;;基于偏振特征的圖像增強(qiáng)算法[J];計(jì)算機(jī)測量與控制;2007年01期

7 黃世國;耿國華;;一種前后向復(fù)擴(kuò)散圖像增強(qiáng)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2007年03期

8 李鴻燕;郝潤芳;馬建芬;王華奎;;基于獨(dú)立分量分析的圖像增強(qiáng)[J];彈箭與制導(dǎo)學(xué)報(bào);2007年05期

9 史卉萍;耿國華;周明全;董建民;;基于模糊集的圖像增強(qiáng)[J];微計(jì)算機(jī)信息;2008年24期

10 Barry E.Mapen;代永平;;波域中的圖像增強(qiáng)[J];現(xiàn)代顯示;2008年09期

相關(guān)會(huì)議論文 前10條

1 薛麗;王波濤;;基于形態(tài)學(xué)的運(yùn)動(dòng)員號(hào)碼牌圖像增強(qiáng)[A];第十九屆測控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強(qiáng)研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強(qiáng)應(yīng)用初探[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 李孟歆;金風(fēng);張穎;;一種新的圖像增強(qiáng)混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強(qiáng)[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強(qiáng)算法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強(qiáng)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 劉毅;高旭輝;;一種改進(jìn)的夜視圖像增強(qiáng)處理算法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學(xué)操作的圖像增強(qiáng)方法(英文)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強(qiáng)方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

2 許欣;圖像增強(qiáng)若干理論方法與應(yīng)用研究[D];南京理工大學(xué);2010年

3 李艷梅;圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D];電子科技大學(xué);2013年

4 陳一平;圖像增強(qiáng)及其在視覺跟蹤中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

5 王彥臣;基于多尺度數(shù)字X光圖像增強(qiáng)方法的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2005年

6 孫飛飛;水下圖像增強(qiáng)和復(fù)原方法研究[D];中國海洋大學(xué);2011年

7 潘天工;面向PACS系統(tǒng)的圖像增強(qiáng)和圖像加密算法研究[D];哈爾濱理工大學(xué);2014年

8 魯志波;醫(yī)學(xué)圖像增強(qiáng)與插值的算法研究[D];解放軍信息工程大學(xué);2007年

9 李建奇;礦物浮選泡沫圖像增強(qiáng)與分割方法研究及應(yīng)用[D];中南大學(xué);2013年

10 豐國棟;數(shù)字化X線攝影圖像增強(qiáng)方法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 許文君;灰度圖像多尺度對(duì)比度增強(qiáng)電路設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 陳萌;多重虛擬曝光夜視圖像對(duì)比度增強(qiáng)算法研究[D];西南科技大學(xué);2015年

3 孔壯;霧天圖像增強(qiáng)方法研究及FPGA實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強(qiáng)方法研究[D];南方醫(yī)科大學(xué);2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強(qiáng)算法研究[D];新疆大學(xué);2015年

6 樓彬彬;基于模式分解的醫(yī)學(xué)圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

7 王沖;基于視網(wǎng)膜機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2015年

8 魏生峰;基于模糊數(shù)學(xué)理論的醫(yī)學(xué)影像增強(qiáng)應(yīng)用研究[D];電子科技大學(xué);2014年

9 石鑫;運(yùn)動(dòng)模糊霧霾圖像增強(qiáng)算法研究[D];東北大學(xué);2013年

10 錢晟;基于Retinex理論的圖像增強(qiáng)算法的應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

，

本文編號(hào)：1507082