本文關鍵詞：工業(yè)X射線圖像銳化技術算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來，圖像處理技術得到迅猛發(fā)展，已不可避免地應用于人類生活的各個方面，如工業(yè)檢測國防軍事生物醫(yī)學和安檢等領域在工業(yè)生產(chǎn)中，常需對產(chǎn)品內部進行缺陷檢測與識別，以保證產(chǎn)品質量，，因此工業(yè)X射線檢測技術的應用越來越受到廣泛重視然而，由于在工業(yè)射線檢測系統(tǒng)中，常因檢測設備成像環(huán)境及被檢工件的復雜性等因素的影響，導致采集到的圖像質量下降，如圖像清晰度較低邊緣細節(jié)模糊不清對比度降低等這將直接影響對產(chǎn)品內部缺陷的識別和檢測的判斷因此，為了從圖形中獲得更多有用信息，提高對產(chǎn)品檢測的準確性，需要對圖像做增強處理，使處理后的圖像具有更高的可讀性與清晰度 論文闡述了國內外現(xiàn)有的一些圖像增強算法的現(xiàn)狀及基本方法，分析了它們在實際應用中存在的問題與缺陷，并在其相應的基礎上，提出了一些基于細節(jié)增強技術的新方法和新思路，取得了較好的效果本文的主要研究內容如下： 1在深入理解數(shù)學形態(tài)學基本概念和相關性質的基礎上，研究了一種基于形態(tài)學的可變權值匹配自適應圖像增強算法討論了結構元素的在圖像處理中的影響，構造一種全方位多尺度的結構元素，以提高圖像增強中對細節(jié)的精確提取，增強不同方向細節(jié)的敏感性該算法打破了傳統(tǒng)形態(tài)學增強算法中對各方向細節(jié)取均值融合的思想針對圖像的細節(jié)處理時，考慮了圖像的局部灰度特性，根據(jù)此特性來調整不同方向的細節(jié)權值，并應用提取到的細節(jié)特征自適應調整增益函數(shù)該算法更全面地利用了圖像的自相關性，提高了對圖像處理的針對性和靈活性 2分析了圖像細節(jié)增強的反銳化掩膜算法，針對現(xiàn)有算法的改進多是只考慮灰度變化強度信息的缺陷，研究了一種新算法，該類算法從灰度變化的強度與頻率的角度出發(fā)，結合局部梯度與局部復雜度，構造自適應增益函數(shù)，取代了傳統(tǒng)算法中僅依賴圖像灰度變化強度定義權重的思想在此思想的基礎上，文中進一步的改進算法中，利用圖像的ENI(Edge pixels, Noisy pixels and Interior pixels的簡稱)更細致地區(qū)分了圖像的邊緣像素噪聲像素和內部像素，進一步細化了對細節(jié)的處理針對圖像灰度劇變區(qū)和級別豐富區(qū)，利用多種局部統(tǒng)計參量替代單一局部統(tǒng)計量調節(jié)增益函數(shù)，為圖像的邊緣和細節(jié)增強提供了更有效的信息量 3深入分析了反銳化掩膜法的主要特征與缺陷，研究了一種基于雙平滑濾波器和廣義線性運算的反銳化掩膜增強法該算法是在廣義線性系統(tǒng)下設計的一種新的圖像增強框架，廣義系統(tǒng)可避免由于疊加過程而產(chǎn)生數(shù)據(jù)溢出的情況該算法分析了高斯濾波與保邊型濾波器的差別，利用L0范數(shù)梯度最小化平滑濾波器在平滑紋理和保留邊緣方面的優(yōu)勢，減緩了增強過程中產(chǎn)生的光暈現(xiàn)象和梯度反轉現(xiàn)象原圖像分別經(jīng)過基于L0范數(shù)梯度最小化濾波器與高斯濾波器平滑后做差，得到平坦區(qū)不含噪聲的高頻部分，利用此部分高頻信息進行掩膜計算，可降低人眼對平坦區(qū)噪聲可視性的敏感度，得到視覺效果更好的圖像 4利用片相似性在有效信息保持方面的優(yōu)勢，研究了一種基于片相似性的疊加各向異性構造權重的反銳化掩膜算法充分利用了圖像片的局部特征，從一個全新的角度描述并提取了圖像細節(jié)由于片相似性具有較強的局部信息表述能力，包含更多的信息量，因此針對細節(jié)增強時，可以很好地突出圖像的弱小細節(jié)信息同時，片相似性信息可避免對圖像中孤立點或線的敏感性，降低噪聲的影響
【關鍵詞】：X射線 圖像處理 圖像細節(jié)增強 反銳化掩膜法 數(shù)學形態(tài)學 人眼視覺特性 片相似性
【學位授予單位】：中北大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-14
• 第一章 緒論14-25
• 1.1 研究背景和意義14-15
• 1.2 國內外研究現(xiàn)狀15-21
• 1.3 論文主要研究工作21-23
• 1.4 本論文章節(jié)安排23-25
• 第二章 細節(jié)增強的一般理論基礎25-47
• 2.1 引言25
• 2.2 增強算法分類25-26
• 2.3 基于邊緣細節(jié)的圖像增強26-43
• 2.3.1 微分銳化處理27-30
• 2.3.1.1 梯度銳化法27-30
• 2.3.1.2 拉普拉斯算子銳化法30
• 2.3.2 反銳化掩膜法30-38
• 2.3.2.1 基于增益系數(shù)改進的反銳化掩膜法32-34
• 2.3.2.2 基于高頻部分改進的反銳化掩膜法：34-38
• 2.3.3 形態(tài)學銳化法38-43
• 2.4 圖像增強質量評價標準43-47
• 第三章 基于形態(tài)學的射線圖像增強算法研究47-71
• 3.1 引言47
• 3.2 灰度形態(tài)學基本概念47-51
• 3.2.1 結構元素47-49
• 3.2.2 灰度形態(tài)學基本運算49-51
• 3.2.3 灰度形態(tài)學梯度51
• 3.3 灰度形態(tài)學的基本性質51-55
• 3.3.1 相關數(shù)學理論51-54
• 3.3.2 灰度形態(tài)學運算的基本性質54-55
• 3.4 基于形態(tài)學的可變權值匹配自適應圖像增強算法55-63
• 3.4.1 圖像可變權值匹配自適應增強算法的構造55-56
• 3.4.2 結構元素的構造56-57
• 3.4.3 多尺度形態(tài)學細節(jié)特征的提取57-58
• 3.4.4 各方向細節(jié)特征權值的動態(tài)調整58-61
• 3.4.5 自適應增益函數(shù)的選擇61-63
• 3.5 實驗結果和分析63-70
• 3.5.1 不同增強算法的效果比較63-67
• 3.5.2 尺度選擇對圖像細節(jié)處理的影響67-70
• 3.6 本章小結70-71
• 第四章 結合灰度變化頻率和強度的多局部參量融合的射線圖像反銳化技術研究71-95
• 4.1 引言71
• 4.2 反銳化掩膜基本原理分析71-75
• 4.3 基于局部梯度和復雜度的反銳化掩膜法75-84
• 4.3.1 算法基本原理75-80
• 4.3.1.1 非線性形態(tài)學重建濾波獲得模糊圖像75-76
• 4.3.1.2 增益函數(shù)構造76-80
• 4.3.2 實驗結果和分析80-84
• 4.4 基于灰度變化頻率和強度的多局部參量融合的反銳化增強法84-94
• 4.4.1 相關原理84-86
• 4.4.1.1 圖像的 ENI 的定義84-86
• 4.4.1.2 圖像局部復雜度的定義86
• 4.4.2 算法概述86-91
• 4.4.2.1 細節(jié)圖像的提取86-88
• 4.4.2.2 多參數(shù)聯(lián)合作用的增益函數(shù)88-90
• 4.4.2.3 改進算法得到的增強圖像90-91
• 4.4.3 算法中主要參數(shù)選取討論91-93
• 4.4.3.1 參數(shù)k 0的影響91-92
• 4.4.3.2 閾值 T 的選擇92-93
• 4.4.4 實驗結果及討論93-94
• 4.5 本章小結94-95
• 第五章 基于不同方式提取細節(jié)的射線圖像反銳化技術研究95-122
• 5.1 引言95-96
• 5.2 保邊型平滑濾波器96-103
• 5.2.1 雙邊濾波97-98
• 5.2.2 加權最小二乘濾波器98-100
• 5.2.3 基于L0 范數(shù)梯度最小化的圖像平滑濾波器100-103
• 5.3 基于雙平滑濾波器和廣義線性運算的反銳化掩膜增強法103-113
• 5.3.1 改進的細節(jié)信息的獲取103-105
• 5.3.2 廣義線性系統(tǒng)的預備知識105-108
• 5.3.3 自適應增益控制的選擇108-110
• 5.3.4 本算法的基本框架110-111
• 5.3.5 實驗結果及分析111-113
• 5.4 基于片相似性的疊加各向異性構造權重的反銳化掩膜算法113-121
• 5.4.1 引言113
• 5.4.2 片相似性的疊加各向異性構造權重算法113-118
• 5.4.2.1 傳統(tǒng)細節(jié)提取114
• 5.4.2.2 片相似性相關描述114-116
• 5.4.2.3 針對細節(jié)的自適應增益 調整116-118
• 5.4.3 實驗結果與分析118-121
• 5.5 本章小節(jié)121-122
• 第六章 全文總結與展望122-125
• 6.1 總結122-123
• 6.2 展望123-125
• 參考文獻125-135
• 博士期間的學術論文135-136
• 致謝136-137

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖小玲;張翔;王昌臻;;基于非線性反銳化掩模的成像測井圖像增強[J];長江大學學報(自然科學版)理工卷;2008年04期

2 侯慧玲;王明泉;;基于小波變換的射線圖像增強方法的比較分析[J];彈箭與制導學報;2007年05期

3 盛況;;一種改進的非線性濾波器圖像增強算法[J];電腦知識與技術;2011年18期

4 袁曉松,王秀壇,王希勤;基于人眼視覺特性的自適應的圖像增強算法的研究[J];電子學報;1999年04期

5 張明慧;張堯禹;;基于像素灰階熵的自適應增強算法在乳腺CR圖像中的應用[J];光學技術;2010年01期

6 鄭欣;彭真明;;基于活躍度的脈沖耦合神經(jīng)網(wǎng)絡圖像分割[J];光學精密工程;2013年03期

7 賈宏光;吳澤鵬;朱明超;宣明;劉慧;;基于廣義線性運算和雙邊濾波的紅外圖像增強[J];光學精密工程;2013年12期

8 程丹松;劉曉芳;金野;崔淑梅;劉家峰;;基于鄰域信息的多層次圖像模糊算法[J];哈爾濱工業(yè)大學學報;2011年07期

9 金偉其;劉斌;范永杰;王霞;徐超;陳艷;劉崇亮;夏潤秋;;紅外圖像細節(jié)增強技術研究進展[J];紅外與激光工程;2011年12期

10 陳強;鄭鈺輝;孫權森;夏德深;;片相似性各項異性擴散圖像去噪[J];計算機研究與發(fā)展;2010年01期

中國博士學位論文全文數(shù)據(jù)庫 前2條

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

2 于天河;針對人眼視覺特性的紅外圖像增強技術研究[D];哈爾濱工業(yè)大學;2010年

  本文關鍵詞：工業(yè)X射線圖像銳化技術算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：304711