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

【摘要】：近年來(lái)，圖像處理技術(shù)得到迅猛發(fā)展，已不可避免地應(yīng)用于人類(lèi)生活的各個(gè)方面，如工業(yè)檢測(cè)國(guó)防軍事生物醫(yī)學(xué)和安檢等領(lǐng)域在工業(yè)生產(chǎn)中，常需對(duì)產(chǎn)品內(nèi)部進(jìn)行缺陷檢測(cè)與識(shí)別，以保證產(chǎn)品質(zhì)量，，因此工業(yè)X射線(xiàn)檢測(cè)技術(shù)的應(yīng)用越來(lái)越受到廣泛重視然而，由于在工業(yè)射線(xiàn)檢測(cè)系統(tǒng)中，常因檢測(cè)設(shè)備成像環(huán)境及被檢工件的復(fù)雜性等因素的影響，導(dǎo)致采集到的圖像質(zhì)量下降，如圖像清晰度較低邊緣細(xì)節(jié)模糊不清對(duì)比度降低等這將直接影響對(duì)產(chǎn)品內(nèi)部缺陷的識(shí)別和檢測(cè)的判斷因此，為了從圖形中獲得更多有用信息，提高對(duì)產(chǎn)品檢測(cè)的準(zhǔn)確性，需要對(duì)圖像做增強(qiáng)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(guó)內(nèi)外現(xiàn)有的一些圖像增強(qiáng)算法的現(xiàn)狀及基本方法，分析了它們?cè)趯?shí)際應(yīng)用中存在的問(wèn)題與缺陷，并在其相應(yīng)的基礎(chǔ)上，提出了一些基于細(xì)節(jié)增強(qiáng)技術(shù)的新方法和新思路，取得了較好的效果本文的主要研究?jī)?nèi)容如下： 1在深入理解數(shù)學(xué)形態(tài)學(xué)基本概念和相關(guān)性質(zhì)的基礎(chǔ)上，研究了一種基于形態(tài)學(xué)的可變權(quán)值匹配自適應(yīng)圖像增強(qiáng)算法討論了結(jié)構(gòu)元素的在圖像處理中的影響，構(gòu)造一種全方位多尺度的結(jié)構(gòu)元素，以提高圖像增強(qiáng)中對(duì)細(xì)節(jié)的精確提取，增強(qiáng)不同方向細(xì)節(jié)的敏感性該算法打破了傳統(tǒng)形態(tài)學(xué)增強(qiáng)算法中對(duì)各方向細(xì)節(jié)取均值融合的思想針對(duì)圖像的細(xì)節(jié)處理時(shí)，考慮了圖像的局部灰度特性，根據(jù)此特性來(lái)調(diào)整不同方向的細(xì)節(jié)權(quán)值，并應(yīng)用提取到的細(xì)節(jié)特征自適應(yīng)調(diào)整增益函數(shù)該算法更全面地利用了圖像的自相關(guān)性，提高了對(duì)圖像處理的針對(duì)性和靈活性 2分析了圖像細(xì)節(jié)增強(qiáng)的反銳化掩膜算法，針對(duì)現(xiàn)有算法的改進(jìn)多是只考慮灰度變化強(qiáng)度信息的缺陷，研究了一種新算法，該類(lèi)算法從灰度變化的強(qiáng)度與頻率的角度出發(fā)，結(jié)合局部梯度與局部復(fù)雜度，構(gòu)造自適應(yīng)增益函數(shù)，取代了傳統(tǒng)算法中僅依賴(lài)圖像灰度變化強(qiáng)度定義權(quán)重的思想在此思想的基礎(chǔ)上，文中進(jìn)一步的改進(jìn)算法中，利用圖像的ENI(Edge pixels, Noisy pixels and Interior pixels的簡(jiǎn)稱(chēng))更細(xì)致地區(qū)分了圖像的邊緣像素噪聲像素和內(nèi)部像素，進(jìn)一步細(xì)化了對(duì)細(xì)節(jié)的處理針對(duì)圖像灰度劇變區(qū)和級(jí)別豐富區(qū)，利用多種局部統(tǒng)計(jì)參量替代單一局部統(tǒng)計(jì)量調(diào)節(jié)增益函數(shù)，為圖像的邊緣和細(xì)節(jié)增強(qiáng)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(xiàn)性運(yùn)算的反銳化掩膜增強(qiáng)法該算法是在廣義線(xiàn)性系統(tǒng)下設(shè)計(jì)的一種新的圖像增強(qiáng)框架，廣義系統(tǒng)可避免由于疊加過(guò)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(shì)，減緩了增強(qiáng)過(guò)程中產(chǎn)生的光暈現(xiàn)象和梯度反轉(zhuǎn)現(xiàn)象原圖像分別經(jīng)過(guò)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(jìn)行掩膜計(jì)算，可降低人眼對(duì)平坦區(qū)噪聲可視性的敏感度，得到視覺(jué)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(shì)，研究了一種基于片相似性的疊加各向異性構(gòu)造權(quán)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(gè)全新的角度描述并提取了圖像細(xì)節(jié)由于片相似性具有較強(qiáng)的局部信息表述能力，包含更多的信息量，因此針對(duì)細(xì)節(jié)增強(qiáng)時(shí)，可以很好地突出圖像的弱小細(xì)節(jié)信息同時(shí)，片相似性信息可避免對(duì)圖像中孤立點(diǎn)或線(xiàn)的敏感性，降低噪聲的影響
【關(guān)鍵詞】：X射線(xiàn) 圖像處理 圖像細(xì)節(jié)增強(qiáng) 反銳化掩膜法 數(shù)學(xué)形態(tài)學(xué) 人眼視覺(jué)特性 片相似性
【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】：2015
【分類(lèi)號(hào)】：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(guó)內(nèi)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(xì)節(jié)增強(qiáng)的一般理論基礎(chǔ)25-47
• 2.1 引言25
• 2.2 增強(qiáng)算法分類(lèi)25-26
• 2.3 基于邊緣細(xì)節(jié)的圖像增強(qiáng)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(jìn)的反銳化掩膜法32-34
• 2.3.2.2 基于高頻部分改進(jìn)的反銳化掩膜法：34-38
• 2.3.3 形態(tài)學(xué)銳化法38-43
• 2.4 圖像增強(qiáng)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)43-47
• 第三章 基于形態(tài)學(xué)的射線(xiàn)圖像增強(qiáng)算法研究47-71
• 3.1 引言47
• 3.2 灰度形態(tài)學(xué)基本概念47-51
• 3.2.1 結(jié)構(gòu)元素47-49
• 3.2.2 灰度形態(tài)學(xué)基本運(yùn)算49-51
• 3.2.3 灰度形態(tài)學(xué)梯度51
• 3.3 灰度形態(tài)學(xué)的基本性質(zhì)51-55
• 3.3.1 相關(guān)數(shù)學(xué)理論51-54
• 3.3.2 灰度形態(tài)學(xué)運(yùn)算的基本性質(zhì)54-55
• 3.4 基于形態(tài)學(xué)的可變權(quán)值匹配自適應(yīng)圖像增強(qiáng)算法55-63
• 3.4.1 圖像可變權(quán)值匹配自適應(yīng)增強(qiáng)算法的構(gòu)造55-56
• 3.4.2 結(jié)構(gòu)元素的構(gòu)造56-57
• 3.4.3 多尺度形態(tài)學(xué)細(xì)節(jié)特征的提取57-58
• 3.4.4 各方向細(xì)節(jié)特征權(quán)值的動(dòng)態(tài)調(diào)整58-61
• 3.4.5 自適應(yīng)增益函數(shù)的選擇61-63
• 3.5 實(shí)驗(yàn)結(jié)果和分析63-70
• 3.5.1 不同增強(qiáng)算法的效果比較63-67
• 3.5.2 尺度選擇對(duì)圖像細(xì)節(jié)處理的影響67-70
• 3.6 本章小結(jié)70-71
• 第四章 結(jié)合灰度變化頻率和強(qiáng)度的多局部參量融合的射線(xiàn)圖像反銳化技術(shù)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(fù)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(xiàn)性形態(tài)學(xué)重建濾波獲得模糊圖像75-76
• 4.3.1.2 增益函數(shù)構(gòu)造76-80
• 4.3.2 實(shí)驗(yàn)結(jié)果和分析80-84
• 4.4 基于灰度變化頻率和強(qiáng)度的多局部參量融合的反銳化增強(qiáng)法84-94
• 4.4.1 相關(guān)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(fù)雜度的定義86
• 4.4.2 算法概述86-91
• 4.4.2.1 細(xì)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(jìn)算法得到的增強(qiáng)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(shí)驗(yàn)結(jié)果及討論93-94
• 4.5 本章小結(jié)94-95
• 第五章 基于不同方式提取細(xì)節(jié)的射線(xiàn)圖像反銳化技術(shù)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(quán)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(xiàn)性運(yùn)算的反銳化掩膜增強(qiáng)法103-113
• 5.3.1 改進(jìn)的細(xì)節(jié)信息的獲取103-105
• 5.3.2 廣義線(xiàn)性系統(tǒng)的預(yù)備知識(shí)105-108
• 5.3.3 自適應(yīng)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(shí)驗(yàn)結(jié)果及分析111-113
• 5.4 基于片相似性的疊加各向異性構(gòu)造權(quán)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(gòu)造權(quán)重算法113-118
• 5.4.2.1 傳統(tǒng)細(xì)節(jié)提取114
• 5.4.2.2 片相似性相關(guān)描述114-116
• 5.4.2.3 針對(duì)細(xì)節(jié)的自適應(yīng)增益 調(diào)整116-118
• 5.4.3 實(shí)驗(yàn)結(jié)果與分析118-121
• 5.5 本章小節(jié)121-122
• 第六章 全文總結(jié)與展望122-125
• 6.1 總結(jié)122-123
• 6.2 展望123-125
• 參考文獻(xiàn)125-135
• 博士期間的學(xué)術(shù)論文135-136
• 致謝136-137

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 肖小玲;張翔;王昌臻;;基于非線(xiàn)性反銳化掩模的成像測(cè)井圖像增強(qiáng)[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2008年04期

2 侯慧玲;王明泉;;基于小波變換的射線(xiàn)圖像增強(qiáng)方法的比較分析[J];彈箭與制導(dǎo)學(xué)報(bào);2007年05期

3 盛況;;一種改進(jìn)的非線(xiàn)性濾波器圖像增強(qiáng)算法[J];電腦知識(shí)與技術(shù);2011年18期

4 袁曉松,王秀壇,王希勤;基于人眼視覺(jué)特性的自適應(yīng)的圖像增強(qiáng)算法的研究[J];電子學(xué)報(bào);1999年04期

5 張明慧;張堯禹;;基于像素灰階熵的自適應(yīng)增強(qiáng)算法在乳腺CR圖像中的應(yīng)用[J];光學(xué)技術(shù);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(luò)圖像分割[J];光學(xué)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(xiàn)性運(yùn)算和雙邊濾波的紅外圖像增強(qiáng)[J];光學(xué)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(xué)學(xué)報(bào);2011年07期

9 金偉其;劉斌;范永杰;王霞;徐超;陳艷;劉崇亮;夏潤(rùn)秋;;紅外圖像細(xì)節(jié)增強(qiáng)技術(shù)研究進(jìn)展[J];紅外與激光工程;2011年12期

10 陳強(qiáng);鄭鈺輝;孫權(quán)森;夏德深;;片相似性各項(xiàng)異性擴(kuò)散圖像去噪[J];計(jì)算機(jī)研究與發(fā)展;2010年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 豐國(guó)棟;數(shù)字化X線(xiàn)攝影圖像增強(qiáng)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

2 于天河;針對(duì)人眼視覺(jué)特性的紅外圖像增強(qiáng)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

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

本文編號(hào)：304711