工业X射线图像锐化技术算法研究

发布时间：2017-04-13 23:18

  本文关键词：工业X射线图像锐化技术算法研究，由笔耕文化传播整理发布。

【摘要】：近年来，图像处理技术得到迅猛发展，已不可避免地应用于人类生活的各个方面，如工业检测国防军事生物医学和安检等领域在工业生产中，常需对产品内部进行缺陷检测与识别，以保证产品质量，，因此工业X射线检测技术的应用越来越受到广泛重视然而，由于在工业射线检测系统中，常因检测设备成像环境及被检工件的复杂性等因素的影响，导致采集到的图像质量下降，如图像清晰度较低边缘细节模糊不清对比度降低等这将直接影响对产品内部缺陷的识别和检测的判断因此，为了从图形中获得更多有用信息，提高对产品检测的准确性，需要对图像做增强处理，使处理后的图像具有更高的可读性与清晰度 论文阐述了国内外现有的一些图像增强算法的现状及基本方法，分析了它们在实际应用中存在的问题与缺陷，并在其相应的基础上，提出了一些基于细节增强技术的新方法和新思路，取得了较好的效果本文的主要研究内容如下： 1在深入理解数学形态学基本概念和相关性质的基础上，研究了一种基于形态学的可变权值匹配自适应图像增强算法讨论了结构元素的在图像处理中的影响，构造一种全方位多尺度的结构元素，以提高图像增强中对细节的精确提取，增强不同方向细节的敏感性该算法打破了传统形态学增强算法中对各方向细节取均值融合的思想针对图像的细节处理时，考虑了图像的局部灰度特性，根据此特性来调整不同方向的细节权值，并应用提取到的细节特征自适应调整增益函数该算法更全面地利用了图像的自相关性，提高了对图像处理的针对性和灵活性 2分析了图像细节增强的反锐化掩膜算法，针对现有算法的改进多是只考虑灰度变化强度信息的缺陷，研究了一种新算法，该类算法从灰度变化的强度与频率的角度出发，结合局部梯度与局部复杂度，构造自适应增益函数，取代了传统算法中仅依赖图像灰度变化强度定义权重的思想在此思想的基础上，文中进一步的改进算法中，利用图像的ENI(Edge pixels, Noisy pixels and Interior pixels的简称)更细致地区分了图像的边缘像素噪声像素和内部像素，进一步细化了对细节的处理针对图像灰度剧变区和级别丰富区，利用多种局部统计参量替代单一局部统计量调节增益函数，为图像的边缘和细节增强提供了更有效的信息量 3深入分析了反锐化掩膜法的主要特征与缺陷，研究了一种基于双平滑滤波器和广义线性运算的反锐化掩膜增强法该算法是在广义线性系统下设计的一种新的图像增强框架，广义系统可避免由于叠加过程而产生数据溢出的情况该算法分析了高斯滤波与保边型滤波器的差别，利用L0范数梯度最小化平滑滤波器在平滑纹理和保留边缘方面的优势，减缓了增强过程中产生的光晕现象和梯度反转现象原图像分别经过基于L0范数梯度最小化滤波器与高斯滤波器平滑后做差，得到平坦区不含噪声的高频部分，利用此部分高频信息进行掩膜计算，可降低人眼对平坦区噪声可视性的敏感度，得到视觉效果更好的图像 4利用片相似性在有效信息保持方面的优势，研究了一种基于片相似性的叠加各向异性构造权重的反锐化掩膜算法充分利用了图像片的局部特征，从一个全新的角度描述并提取了图像细节由于片相似性具有较强的局部信息表述能力，包含更多的信息量，因此针对细节增强时，可以很好地突出图像的弱小细节信息同时，片相似性信息可避免对图像中孤立点或线的敏感性，降低噪声的影响
【关键词】：X射线 图像处理 图像细节增强 反锐化掩膜法 数学形态学 人眼视觉特性 片相似性
【学位授予单位】：中北大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• Abstract7-14
• 第一章 绪论14-25
• 1.1 研究背景和意义14-15
• 1.2 国内外研究现状15-21
• 1.3 论文主要研究工作21-23
• 1.4 本论文章节安排23-25
• 第二章 细节增强的一般理论基础25-47
• 2.1 引言25
• 2.2 增强算法分类25-26
• 2.3 基于边缘细节的图像增强26-43
• 2.3.1 微分锐化处理27-30
• 2.3.1.1 梯度锐化法27-30
• 2.3.1.2 拉普拉斯算子锐化法30
• 2.3.2 反锐化掩膜法30-38
• 2.3.2.1 基于增益系数改进的反锐化掩膜法32-34
• 2.3.2.2 基于高频部分改进的反锐化掩膜法：34-38
• 2.3.3 形态学锐化法38-43
• 2.4 图像增强质量评价标准43-47
• 第三章 基于形态学的射线图像增强算法研究47-71
• 3.1 引言47
• 3.2 灰度形态学基本概念47-51
• 3.2.1 结构元素47-49
• 3.2.2 灰度形态学基本运算49-51
• 3.2.3 灰度形态学梯度51
• 3.3 灰度形态学的基本性质51-55
• 3.3.1 相关数学理论51-54
• 3.3.2 灰度形态学运算的基本性质54-55
• 3.4 基于形态学的可变权值匹配自适应图像增强算法55-63
• 3.4.1 图像可变权值匹配自适应增强算法的构造55-56
• 3.4.2 结构元素的构造56-57
• 3.4.3 多尺度形态学细节特征的提取57-58
• 3.4.4 各方向细节特征权值的动态调整58-61
• 3.4.5 自适应增益函数的选择61-63
• 3.5 实验结果和分析63-70
• 3.5.1 不同增强算法的效果比较63-67
• 3.5.2 尺度选择对图像细节处理的影响67-70
• 3.6 本章小结70-71
• 第四章 结合灰度变化频率和强度的多局部参量融合的射线图像反锐化技术研究71-95
• 4.1 引言71
• 4.2 反锐化掩膜基本原理分析71-75
• 4.3 基于局部梯度和复杂度的反锐化掩膜法75-84
• 4.3.1 算法基本原理75-80
• 4.3.1.1 非线性形态学重建滤波获得模糊图像75-76
• 4.3.1.2 增益函数构造76-80
• 4.3.2 实验结果和分析80-84
• 4.4 基于灰度变化频率和强度的多局部参量融合的反锐化增强法84-94
• 4.4.1 相关原理84-86
• 4.4.1.1 图像的 ENI 的定义84-86
• 4.4.1.2 图像局部复杂度的定义86
• 4.4.2 算法概述86-91
• 4.4.2.1 细节图像的提取86-88
• 4.4.2.2 多参数联合作用的增益函数88-90
• 4.4.2.3 改进算法得到的增强图像90-91
• 4.4.3 算法中主要参数选取讨论91-93
• 4.4.3.1 参数k 0的影响91-92
• 4.4.3.2 阈值 T 的选择92-93
• 4.4.4 实验结果及讨论93-94
• 4.5 本章小结94-95
• 第五章 基于不同方式提取细节的射线图像反锐化技术研究95-122
• 5.1 引言95-96
• 5.2 保边型平滑滤波器96-103
• 5.2.1 双边滤波97-98
• 5.2.2 加权最小二乘滤波器98-100
• 5.2.3 基于L0 范数梯度最小化的图像平滑滤波器100-103
• 5.3 基于双平滑滤波器和广义线性运算的反锐化掩膜增强法103-113
• 5.3.1 改进的细节信息的获取103-105
• 5.3.2 广义线性系统的预备知识105-108
• 5.3.3 自适应增益控制的选择108-110
• 5.3.4 本算法的基本框架110-111
• 5.3.5 实验结果及分析111-113
• 5.4 基于片相似性的叠加各向异性构造权重的反锐化掩膜算法113-121
• 5.4.1 引言113
• 5.4.2 片相似性的叠加各向异性构造权重算法113-118
• 5.4.2.1 传统细节提取114
• 5.4.2.2 片相似性相关描述114-116
• 5.4.2.3 针对细节的自适应增益 调整116-118
• 5.4.3 实验结果与分析118-121
• 5.5 本章小节121-122
• 第六章 全文总结与展望122-125
• 6.1 总结122-123
• 6.2 展望123-125
• 参考文献125-135
• 博士期间的学术论文135-136
• 致谢136-137

【参考文献】

中国期刊全文数据库 前10条

1 肖小玲;张翔;王昌臻;;基于非线性反锐化掩模的成像测井图像增强[J];长江大学学报(自然科学版)理工卷;2008年04期

2 侯慧玲;王明泉;;基于小波变换的射线图像增强方法的比较分析[J];弹箭与制导学报;2007年05期

3 盛况;;一种改进的非线性滤波器图像增强算法[J];电脑知识与技术;2011年18期

4 袁晓松,王秀坛,王希勤;基于人眼视觉特性的自适应的图像增强算法的研究[J];电子学报;1999年04期

5 张明慧;张尧禹;;基于像素灰阶熵的自适应增强算法在乳腺CR图像中的应用[J];光学技术;2010年01期

6 郑欣;彭真明;;基于活跃度的脉冲耦合神经网络图像分割[J];光学精密工程;2013年03期

7 贾宏光;吴泽鹏;朱明超;宣明;刘慧;;基于广义线性运算和双边滤波的红外图像增强[J];光学精密工程;2013年12期

8 程丹松;刘晓芳;金野;崔淑梅;刘家峰;;基于邻域信息的多层次图像模糊算法[J];哈尔滨工业大学学报;2011年07期

9 金伟其;刘斌;范永杰;王霞;徐超;陈艳;刘崇亮;夏润秋;;红外图像细节增强技术研究进展[J];红外与激光工程;2011年12期

10 陈强;郑钰辉;孙权森;夏德深;;片相似性各项异性扩散图像去噪[J];计算机研究与发展;2010年01期

中国博士学位论文全文数据库 前2条

1 丰国栋;数字化X线摄影图像增强方法研究[D];中国科学技术大学;2009年

2 于天河;针对人眼视觉特性的红外图像增强技术研究[D];哈尔滨工业大学;2010年

  本文关键词：工业X射线图像锐化技术算法研究，由笔耕文化传播整理发布。

本文编号：304711