学位论文 > 优秀研究生学位论文题录展示
基于Grouplet变换的金属断口图像处理方法研究
作 者: 周志宇
导 师: 李志农
学 校: 南昌航空大学
专 业: 仪器仪表工程
关键词: Grouplet变换 金属断口 图像去噪 边缘检测 图像增强
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 24次
引 用: 0次
阅 读: 论文下载
内容摘要
本论文是在国家自然科学基金(No.51261024)和无损检测技术教育部重点实验室开放基金(ZD200829003)资助下,将Grouplet变换应用于金属断口图像处理中,并在此基础上,深入研究基于Grouplet变换的金属断口图像边缘检测、图像消噪和图像增强等处理方法,取得了一些创新性的成果。本文的主要内容包括以下几个方面:第一章,论述了本课题提出的背景及研究意义,综述了金属断口图像处理的国内外研究现状和Grouplet变换的国内外研究现状,并提出了本论文的主要内容及创新之处。第二章,论述了Grouplet变换涉及的一些基本概念、基本理论及其相关的一些常用算法。阐述了其较之普通小波变换的先进之处。然后结合Grouplet变换和Bandelet变换各自的优点,提出了Grouplet-Bandelet变换算法。第三章,论述了传统的一阶微分和二阶微分边缘算子以及小波边缘检测算法。并针对常用边缘检测算法的不足,利用Grouplet变换系数可以表示任意自然图像纹理几何方向的特点,提出基于Grouplet变换模极大值边缘检测方法。通过实验研究显示,基于Grouplet变换边缘检测提取的疲劳条带边缘,不仅定位精确,而且条带边缘清晰连贯,非常有利于疲劳条带周期的精确计算。而LOG算子、Canny算子和小波变换边缘检测算子检测的疲劳条带边缘明显定位不够精确,出现较多的伪边缘,不利于疲劳条带周期的精确计算。第四章,介绍了小波变换去噪的特点及其在图像表示中的缺陷。并针对小波变换去噪的不足,提出了基于Grouplet变换和Grouplet-Bandelet变换去噪方法。经过仿真及实验研究证明,基于Grouplet变换的去噪方法要比小波变换去噪算法效果要好,主要表现在:Grouplet变换去噪在保持图像清晰度、提高峰值信噪比和保持图像细节纹理三方面,但是这些优点并不很明显。而基于Grouplet-Bandelet变换去噪方法要优于单独的基于Grouplet变换和Bandelet变换去噪的效果。第五章,阐述了传统图像增强算法与基于小波变换的图像增强算法的优缺点。提出了基于Grouplet变换及Grouplet-Bandelet变换的图像增强算法。通过仿真研究和实验研究显示,基于Grouplet变换的图像增强算法在对疲劳断口图像中疲劳条带边缘的增强要远远好于小波变换增强算法。基于Grouplet-Bandelet变换的图像增强算法在对图像纹理边缘的增强效果不如基于Grouplet变换的增强算法,但其对图像中的噪声有一定的消除作用,使得增强后的图像整体对比度较高,不出现失真现象。第六章,对本论文所做的研究工作进行了详细的总结,并提出了一些值得进一步研究的问题。
|
全文目录
摘要 4-6 Abstract 6-11 第1章 绪论 11-19 1.1 课题背景及研究意义 11-12 1.2 金属断口图像处理国内外研究现状 12-14 1.3 Grouplet 变换的国内外研究现状 14-16 1.4 论文的主要内容及创新之处 16-18 1.4.1 论文的主要内容 16-17 1.4.2 论文的创新点 17-18 1.5 本章小结 18-19 第2章 Grouplet 变换理论及其算法 19-43 2.1 引言 19-20 2.2 有关 Grouplet 变换的一些基本概念 20-27 2.2.1 Haar 变换及其过程 20-24 2.2.2 嵌入式网格 24-25 2.2.3 紧框架 25-26 2.2.4 偏序与伪距离 26-27 2.3 Grouplet 变换常用算法 27-37 2.3.1 正交 Grouplet 变换 27-30 2.3.2 紧框架 Grouplet 变换 30-35 2.3.3 Grouping bandlets 变换 35-37 2.4 Grouplet-Bandelet 变换算法 37-42 2.4.1 Bandelet 变换简述 37-39 2.4.2 Grouplet-Bandelet 变换原理 39-40 2.4.3 仿真研究 40-42 2.5 本章小结 42-43 第3章 基于 Grouplet 变换模极大值的金属断口图像边缘检测方法研究 43-56 3.1 引言 43-44 3.2 常用的缘检测算法 44-45 3.2.1 梯度算子 44-45 3.2.2 高斯-拉普拉斯算子 45 3.2.3 Canny 算子 45 3.3 基于小波变换边缘检测算法 45-49 3.3.1 二维小波变换原理 45-47 3.3.2 小波变换边缘检测算法 47-49 3.4 基于 Grouplet 变换模边缘检测算法 49-51 3.5 仿真研究 51-53 3.6 实验研究 53-55 3.7 本章小结 55-56 第4章 基于 Grouplet 变换金属断口图像去噪研究 56-67 4.1 引言 56-57 4.2 基于小波变换的图像去噪方法 57-58 4.2.1 小波变换去噪原理 57 4.2.2 阈值处理方法 57-58 4.3 基于 Grouplet 变换图像去噪方法 58-60 4.4 仿真研究 60-64 4.5 实验研究 64-66 4.6 本章小结 66-67 第5章 基于 Grouplet-Bandelet 变换的金属断口图像增强方法研究 67-76 5.1 引言 67-68 5.2 小波变换增强原理 68-69 5.3 基于 Grouplet-Bandelet 变换的图像增强方法 69-71 5.4 仿真研究 71-73 5.5 实验研究 73-75 5.6 本章小结 75-76 第6章 结论与展望 76-79 6.1 本文总结 76-77 6.2 展望 77-79 参考文献 79-82 攻读硕士学位期间发表的论文和参加科研情况 82-83 致谢 83-84
|
相似论文
- 医学超声图像去噪方法研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 基于机器视觉的光纤几何参数检测研究,TN253
- 基于多尺度几何分析的医学超声图像去噪算法研究,TP391.41
- 交通视频中车辆异常行为检测及应用研究,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 遥感影像直线提取、匹配及三维重建,TP751
- 基于小波变换的图像去噪的研究与实现,TP391.41
- 改进的中值滤波算法及其仿真研究,TP391.41
- 应用于图像处理的自适应中值滤波算法的研究,TP391.41
- 基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪,TP391.41
- 基于Split-Bregman方法的乘性噪声去除研究,TP391.41
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 激光照明板厚测量系统的研究,TN247
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
- 机器视觉系统中的图像噪声处理算法研究,TP391.41
- 智能交通系统中运动目标检测技术的研究,TP391.41
- CMOS图像传感器的噪声分析及图像处理,TP212
- 红外与可见光图像融合方法研究,TP391.41
- 基于偏微分方程的图像增强方法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|