計算機(jī)論文開題報告

計算機(jī)論文開題報告

計算機(jī)論文以蟻群系統(tǒng)為課題，下文是小編搜集整理的計算機(jī)論文開題報告范文，希望對大家有所幫助!

1、選題目的、意義。 蟻群算法是一種基于種群的啟發(fā)式搜索算法，由Dorigo M等人首先提出。很多研究已經(jīng)證明，蟻群算法具有很強(qiáng)的發(fā)現(xiàn)好解的能力，這是因為該算法不僅利用了正反饋的原理，在一定程度上可以加快進(jìn)化進(jìn)程，而且是一種本質(zhì)并行的算法，不同個體之間不斷地進(jìn)行信息的交流與傳遞，從而能夠相互協(xié)作，有利于發(fā)現(xiàn)較好的解。蟻群算法定義的這種分布式問題求解模式能夠?qū)栴}求解的快速性，全局優(yōu)化特征及有限時間內(nèi)答案的合理性結(jié)合起來，所以引起了許多研究者的注意。

通過相關(guān)的研究工作，目前蟻群算法的應(yīng)用領(lǐng)域已由當(dāng)初單一的TSP領(lǐng)域滲透到了多個應(yīng)用領(lǐng)域;由解決一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化問題;由離散域范圍內(nèi)研究逐漸拓展到連續(xù)域范圍內(nèi)的研究。具體被應(yīng)用于包括機(jī)器人系統(tǒng)，圖像處理，制造系統(tǒng)，車輛路徑規(guī)劃，通訊系統(tǒng)，工程設(shè)計以及電力系統(tǒng)在內(nèi)的多種場合，還解決了實際系統(tǒng)中的資源規(guī)劃，運(yùn)動規(guī)劃，數(shù)據(jù)分類等問題。

這種新興的仿生優(yōu)化算法展現(xiàn)出勃勃生機(jī)，并已成為可與遺傳算法相媲美的仿生優(yōu)化算法

2、國內(nèi)外研究綜述及本人對綜述的評價。 對蟻群算法的研究雖然剛剛起步，但初步的研究結(jié)果已顯示出該算法在求解復(fù)雜優(yōu)化問題(特別是離散優(yōu)化問題)方面的優(yōu)越性。蟻群算法正在受到越來越多的人的研究和注意。

從當(dāng)前可以檢索到的文獻(xiàn)情況看，研究和應(yīng)用蟻群優(yōu)化算法的學(xué)者主要集中在比利時，意大利，英國，法國和德國等歐洲國家。日本和美國在這兩年也開始啟動對蟻群算法的研究。我國最早研究蟻群算法的是東北大學(xué)張紀(jì)會博士和徐心和教授。目前，蟻群優(yōu)化算法在啟發(fā)式方法范疇內(nèi)已逐漸成為一個獨立的分支。

盡管蟻群優(yōu)化的嚴(yán)格理論基礎(chǔ)尚未奠定，國內(nèi)外的有關(guān)研究仍停留在實驗探索階段，但從當(dāng)前的應(yīng)用效果來看，這種新型的尋優(yōu)思想具有十分光明的前景更多深入細(xì)致的工作還有待于進(jìn)一步展開。

3、研究內(nèi)容、研究中所要突破的難題。

研究內(nèi)容：

1.基本蟻群算法及其改進(jìn)算法(蟻群系統(tǒng)、最大-最小蟻群系統(tǒng))

2.蟻群算法在控制系統(tǒng)(滿意PID控制器參數(shù)優(yōu)化、非線性方程組的求解、Wiener模型參數(shù)辨識)中的應(yīng)用

研究中所要突破的難題：

1. 蟻群算法參數(shù)選擇很重要，選擇不當(dāng)?shù)脑挄霈F(xiàn)搜索的過早停滯現(xiàn)象或陷入局部最優(yōu)問題。

2. 蟻群算法對非線性系統(tǒng)辨識中對 輸入信號的選擇是一個難點。

　　4、擬采取的研究方法，有何特色與創(chuàng)新之處。 擬采取的研究方法：將滿意PID控制器的參數(shù)優(yōu)化問題，非線性方程組的求解問題，Wiener模型參數(shù)辨識問題都轉(zhuǎn)換為求最優(yōu)的問題，利用蟻群算法求解最優(yōu)問題。 特色與創(chuàng)新之處：一般PID控制器參數(shù)的優(yōu)化的被控對象的參數(shù)是一定的，滿意PID被控對象給出的則是參數(shù)區(qū)間;蟻群算法是一種新的并行優(yōu)化算法，它有高度適應(yīng)性，較強(qiáng)魯棒性且高效的優(yōu)點，在組合優(yōu)化問題中，蟻群算法的優(yōu)化性能好于遺傳算法等。用蟻群算法解決一些傳統(tǒng)的方法難以解決的問題，有研究價值。

　　5、現(xiàn)有研究條件和可能存在的問題。 現(xiàn)有研究條件： 張宏立老師提供了些書籍資料，自己也已搜集了一些相關(guān)技術(shù)資料。學(xué)院也為了我們配置了性能良好的計算機(jī)還有MATLAB仿真平臺。

可能存在的問題：

1. 蟻群算法參數(shù)選擇很重要，選擇不當(dāng)?shù)脑挄霈F(xiàn)搜索的過早停止現(xiàn)象或陷入局部最優(yōu)問題。

2. 蟻群算法對非線性系統(tǒng)辨識中對輸入信號的選擇是一個難點。

6、預(yù)期的結(jié)果。

1.提出了一種基于蟻群算法的滿意PID控制器參數(shù)優(yōu)化的方法。

2.提出了一種基于蟻群算法的求解非線性方程組的方法。

3.提出了一種基于蟻群算法的Wiener模型辨識的方法。

7、論文工作進(jìn)度安排。

2011.09--2011.12 查閱資料，完成碩士論文的開題報告工作;

2012.01--2012.02 查閱相關(guān)技術(shù)資料并深入學(xué)習(xí)研究，熟悉MATLAB仿真軟件;

2012.02--2012.06 深入學(xué)習(xí)基本蟻群算法及其改進(jìn)算法;

2012.10--2013.01 深入學(xué)習(xí)蟻群算法在控制系統(tǒng)中的應(yīng)用;

2013.03--2013.04 仿真并驗證理論的正確性和方案的可行性;

2013.05--2013.06 撰改論文，準(zhǔn)備論文答辯。

8、論文提綱

前言

一、緒論

二、基本蟻群算法

三、螞蟻系統(tǒng)

四、最大-最小蟻群系統(tǒng)

五、基于蟻群算法的滿意PID控制器參數(shù)優(yōu)化

六、基于蟻群算法的非線性方程組的求解

七、基于蟻群算法的Wiener模型參數(shù)辨識

結(jié)論

參考文獻(xiàn) (以上為參考格式，學(xué)科專業(yè)不同、論文選題不同，可以有不同的寫作方式)

[1] 孫偉。 非線性PID控制器參數(shù)優(yōu)化方法[J].計算機(jī)工程與應(yīng)用， 2010, 46(28) .

[2] 王建國。 非線性系統(tǒng)的蟻群優(yōu)化預(yù)測[J].測控技術(shù)， 2008, 27(10) .

[3] 朱遙。 采用蟻群算法模擬機(jī)器人尋路的仿真實驗[J].河北工業(yè)科技， 2010, 27 (5)。

[4] 李小珂。 基于蟻群算法的PID參數(shù)優(yōu)化[J].2003全國仿真技術(shù)會議論文集， 2003.

[5] 段海濱。 基于蟻群算法的PID參數(shù)優(yōu)化[J].武漢大學(xué)學(xué)報， 2004,37(5) .

[6] 郭立俊，譚劍波。 蟻群算法在系留氣球PID控制器中的研究[J].2008年中國浮空器大會論文集， 2008.

[7] 李楠，胡即明。 蟻群算法在PID參數(shù)優(yōu)化中的應(yīng)用研究[J].中國水運(yùn)， 2008,8(5) .

[8] 李虹，孫志毅。 基于MATLAB的改進(jìn)型基本蟻群算法[J].太原重型機(jī)械學(xué)院學(xué)報， 2003, 24 (3) .

[9] 尹曉峰。 基于MATLAB的混合型蟻群算法求解車輛路徑問題[J].計算機(jī)工程與應(yīng)用， 2005,35(10) .

[10] 尹曉峰，劉春煌。 基于MATLAB的混合型蟻群算法求解旅行商問題[J].鐵路計算機(jī)應(yīng)用， 2005, 14(9)。

[11] 野瑩瑩，付麗君。 基于MATLAB的蟻群算法仿真研究[J].裝備制造技術(shù)， 2008, 11(10) .

[12] 江重光。 智能蟻群算法[J].冶金自動化， 2005, 3 (10) .

[13] 魏平，熊偉清。 用于一般函數(shù)優(yōu)化的蟻群算法[J].寧波大學(xué)學(xué)報， 2001, 14(4) .

[14] 劉業(yè)政，凌海峰。 蟻群優(yōu)化的研究發(fā)展及應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報， 2006, 29(1) .

[15] 任偉建。 蟻群算法綜述[J].2007中國控制與決策學(xué)術(shù)年會論文集， 2007 .

[16] 詹士昌。 蟻群算法中有關(guān)算法參數(shù)的最優(yōu)選擇[J].科技通報， 2003, 19(5) .

[17] 陳冰梅。 求解旅行商問題的MATLAB蟻群仿真研究[J].計算機(jī)測量與控制， 2011,19(4) .

[18] 張玉蘭。 求解連續(xù)函數(shù)最大值的螞蟻優(yōu)化算法[J].南京師范大學(xué)學(xué)報， 2005,5(3) .

[19] 柳長安。 非線性系統(tǒng)的蟻群優(yōu)化預(yù)測[J].測控技術(shù)， 2008, 27(10) .

[20] 王建國。 基于改進(jìn)蟻群算法的移動機(jī)器人動態(tài)路徑規(guī)劃方法[J].電子學(xué)報，2011, 39(5) .

計算機(jī)論文開題報告

開題報告作為畢業(yè)論文答辯委員會對學(xué)生答辯資格審查的依據(jù)材料之一。研究方案，就是課題確定之后，研究人員在正式開展研究之前制訂的整個課題研究的工作計劃，它初步規(guī)定了課題研究各方面的具體內(nèi)容和步驟。

論文題目：基于自適應(yīng)閾值的圖像增強(qiáng)算法

一、選題背景

圖像，指的是客觀物體在人腦中的自然反映，它是信息傳遞的重要媒介，以紙張，照片，計算機(jī)屏幕等介質(zhì)呈現(xiàn)出來?，F(xiàn)實中，人類大部分的信息都是通過人眼觀察的方式取得。五種感官方式中視覺是主要的獲取方式。然而，由于光照，噪聲，介質(zhì)形狀等多方面因素的影響，在圖像的生成和傳輸過程中，圖像會發(fā)生質(zhì)量降低的情況，如對比度偏低，圖像明暗不均，幾何形變等。因此，需要進(jìn)行圖像處理，以取得符合人們應(yīng)用需求的圖像。數(shù)字圖像處理，指的是以數(shù)學(xué)運(yùn)算為方式，對圖像作出的各種加工過程，目的是得到對用戶適用的效果⑴。這些過程包括降噪、配準(zhǔn)、增強(qiáng)、壓縮等，它們與現(xiàn)實中的生產(chǎn)過程是緊密結(jié)合的。數(shù)字圖像處理，起始于1950年代，至1960年代時從計算機(jī)學(xué)中分離出來，形成獨立發(fā)展的學(xué)問。

經(jīng)過半個多世紀(jì)的擴(kuò)充，現(xiàn)在圖像處理的技術(shù)基礎(chǔ)己經(jīng)很穩(wěn)固，在許多社會領(lǐng)域廣泛運(yùn)用。如氣象部門通過對遙感圖像的處理，得到更加有效的天氣云圖，提高了預(yù)報的準(zhǔn)確性;林業(yè)部門通過對航拍圖像的分析，評估森林發(fā)生火災(zāi)險情的可能性;航天部門需要對飛行器傳回的圖像進(jìn)行處理才能得到更多更清晰的細(xì)節(jié);醫(yī)療部門的CT診斷技術(shù)采用圖像重建技術(shù)，獲得人體各部位的重建圖像，而對X射線圖像的處理能突出病變區(qū)域的顯示效果，讓醫(yī)生得以準(zhǔn)確地判斷病變區(qū)域;在安檢領(lǐng)域，對阿爾法射線照射圖像的處理，使得包裹內(nèi)物品的形狀和層次更加清晰，利于判斷物品類型。

現(xiàn)在，數(shù)字圖像處理技術(shù)和流行的技術(shù)相結(jié)合(如生物技術(shù)、人工智能、智能終端等)，以后將有更好的發(fā)展。數(shù)字圖像處理按照方式和目標(biāo)的不同大致分為以下幾類：一是提高圖像的視覺效果，如增加對比度，色彩變換，幾何變換等，本文主要討論的圖像增強(qiáng)就屬于這一方面;二是獲取圖像的特征信息，以滿足匹配的需要，如獲取邊緣信息，顏色特征，紋理特征等;三是圖像的壓縮編碼方面，這是為了減小圖像的大小同時一定程度上保證圖像質(zhì)量，使得傳送更為容易。從具體方法來看，數(shù)字圖像處理常用方法有圖像變換，圖像分割，圖像配準(zhǔn)，圖像增強(qiáng)，圖像特征提取等。圖像增強(qiáng)，指的是在一定的處理背景下(如整體偏暗，對比度不足等)，提升圖像上用戶感興趣的部分，同時抑制甚至去除不感興趣的部分，提升圖像區(qū)域之間的差異，以突出某些部分的特征的過程。它的目的'是提高圖像中有用信息的顯示效果，使圖像更利于機(jī)器識別和視覺觀察，達(dá)到特定的分析目標(biāo)。圖像增強(qiáng)是整個處理過程中非常關(guān)鍵的一環(huán)，在這個步驟序列中起著承上啟下的作用。

很多情況下，設(shè)備采集到的圖像不能直接滿足特定的分析需求，需要采用一些圖像增強(qiáng)方法對圖像進(jìn)行預(yù)處理，處理后的圖像再交給業(yè)務(wù)處理部分。例如，醫(yī)療中X射線照射生成的圖像可能因為對比度不足而難以識別，可以先進(jìn)行圖像增強(qiáng)處理，再用其他算法標(biāo)注可能的病灶區(qū)域，可以提高診斷準(zhǔn)確性。圖像增強(qiáng)的主要目的在于兩點：一是提升視覺效果，使圖像更清晰，人眼觀察時更容易獲取需要關(guān)注的區(qū)域;二是使圖像的呈現(xiàn)形式更容易被機(jī)器處理，通過機(jī)器解析出人們想要的信息。例如，軍事偵查衛(wèi)星得到的遙感圖像可能經(jīng)過了偽裝處理，其中的重要建筑，車輛等混為一體，不易分清，進(jìn)行圖像增強(qiáng)處理可以突出諸如機(jī)場、橋梁、車輛等元素，再對不同時段的遙感圖像對比處理，能夠更正確完整地觀察對方部署的變動情況。圖像增強(qiáng)在技術(shù)的選取上并不是一勞永逸的，不同的方法有不同的使用情況。

二、研究目的和意義

本文將闡述圖像增強(qiáng)的數(shù)學(xué)基礎(chǔ)和一些典型的算法，并提出自己的改進(jìn)后的方法。本文所做研宄的項目來源為十一五國家科技支撐平臺重點項目課題：便攜智能閱讀器和國家自然科學(xué)基金項目(61371142):基于逆向工程的扭曲文檔圖像校正技術(shù)研宄。前一個項目的產(chǎn)品智能閱讀器是本課題的研宄平臺，該產(chǎn)品是一款基于文字識別的有聲電子閱讀產(chǎn)品，主要通過拍照方式獲取印刷文字信息，經(jīng)OCR識別后轉(zhuǎn)換為語音后輸出。是為盲人及弱視等人群閱讀普通書籍所準(zhǔn)備的視聽轉(zhuǎn)換工具。借助該產(chǎn)品，盲人可閱讀紙質(zhì)書籍雜志、菜單、說明書等。

圖像增強(qiáng)是閱讀器處理過程中的重要步驟，包括了灰度增強(qiáng)和位置增強(qiáng)，目的是提高圖像的人眼視覺效果和機(jī)器處理精確度。后一個項目是前一個的延伸，這個項目通過基于模型的、基于連通域的或基于3D的等各種方法，來實現(xiàn)扭曲文本的校正工作，以達(dá)到位置增強(qiáng)的目的。本課題從基于模型的思路出發(fā)，提出了一種新的拋物線數(shù)學(xué)模型，對文本線進(jìn)行遍歷，得到一系列文字的位置點，用位置點的坐標(biāo)結(jié)合模型擬合出文本線，根據(jù)文本線與水平線之間的差距進(jìn)行精確恢復(fù)，以得到水平分布的文本行。

三、本文研究涉及的主要理論

圖像處理經(jīng)過半個多世紀(jì)的發(fā)展，現(xiàn)在在技術(shù)基礎(chǔ)上己經(jīng)比較完備。圖像增強(qiáng)作為其中的重要部分，也在技術(shù)的更新?lián)Q代中不斷地推陳出新，產(chǎn)生新的方法。圖像增強(qiáng)方法于二十世紀(jì)六十年代為起步時期，它在美國噴氣推進(jìn)實驗室獲得第一次實用化。實驗室人員對航天飛行器傳回的圖像數(shù)據(jù)進(jìn)行了一系列的增強(qiáng)處理，如灰度變換，幾何變換等，獲得了質(zhì)量優(yōu)良的月球表面圖像，圖像增強(qiáng)技術(shù)展示出了強(qiáng)大的應(yīng)用潛力"]。

此后，該技術(shù)又多次用于火星，土星等探測圖像的優(yōu)化工作，贏得了巨大的技術(shù)成功。七八十年代，圖像增強(qiáng)技術(shù)與其它領(lǐng)域結(jié)合，步入了快速發(fā)展時期。例如，這一時期，圖像增強(qiáng)技術(shù)用于指紋識別領(lǐng)域，通過提升指紋的生成效果和提取質(zhì)量，使指紋識別的準(zhǔn)確率得以保障，指紋識別因此成為實用化的技術(shù)。圖像增強(qiáng)也應(yīng)用于了醫(yī)療領(lǐng)域，一方面用在顯微鏡光學(xué)成像，對生成的影像進(jìn)行了大幅度的視覺優(yōu)化處理，可以對細(xì)胞結(jié)構(gòu)，細(xì)菌形狀，染色體形狀等進(jìn)行更細(xì)致的分析;另一方面，是用在X射線所產(chǎn)生圖像的處理上，同樣對影像效果有了大幅度的提升1990年代以后，圖像增強(qiáng)步入普及民用化時期。由于硬件技術(shù)的發(fā)展，電腦的處理速度快速增長，制造成本卻大致遵循著摩爾定律不斷下降。

圖像增強(qiáng)技術(shù)普遍應(yīng)用于生產(chǎn)的各個方面，針對于各行各業(yè)生產(chǎn)環(huán)境的增強(qiáng)方法大大增加了。二十一世紀(jì)以后，圖像增強(qiáng)研宄的發(fā)展又有新的特點，其中包括大數(shù)據(jù)量，實時性，與互聯(lián)網(wǎng)技術(shù)結(jié)合，用戶定制需求，與人工智能結(jié)合，與智能終端結(jié)合等。圖像增強(qiáng)的方法按照是否經(jīng)過變換可分為：空域增強(qiáng)和變換域增強(qiáng)?？沼蛟鰪?qiáng)是以圖像各點的像素值為一般處理對象，通過對像素值的單獨的或鄰域的公式運(yùn)算來實現(xiàn)提升顯示效果的目的，例如灰度變換就是按照公式對像素值進(jìn)行一一替換，直方圖均衡則按照均衡分布的準(zhǔn)則重新安排像素值;變換域增強(qiáng)則不是操作像素值本身，而是令其轉(zhuǎn)換到某一變換域后，根據(jù)其在變換域中的分布特點進(jìn)行針對性的操作，如傅立葉變換是轉(zhuǎn)換到頻率域上，小波變換是轉(zhuǎn)換到小波域上。轉(zhuǎn)換后的處理方式有同態(tài)濾波，帶阻濾波等還有其他一些較獨立的方法。如數(shù)學(xué)形態(tài)學(xué)方法，它是一種用來解析幾何形狀的方法，被應(yīng)用于圖像處理中。它包括一些特定的結(jié)構(gòu)元素，通過這些結(jié)構(gòu)元素對圖像進(jìn)行操作，可以提取圖像中的對應(yīng)形狀。這樣將形狀和背景分離開，分別加以強(qiáng)調(diào)和抑制處理，可以達(dá)到圖像的增強(qiáng)效果。

另外，圖像增強(qiáng)與其他領(lǐng)域的方法相結(jié)合，出現(xiàn)了很多新的處理方法，如與模擬神經(jīng)信號傳遞的神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的新方法，利用神經(jīng)網(wǎng)絡(luò)得到一種非線性增強(qiáng)方式，對圖像進(jìn)行直接增強(qiáng)前面提到過，本文提出的方法是以智能閱讀器的產(chǎn)品為基礎(chǔ)的，產(chǎn)品組成如圖。這款產(chǎn)品包括了一個圖像采集器和一款配套的軟件，采集器通過USB線連接到電腦上，采集到的圖像經(jīng)過軟件的識別，生成電子文檔，再轉(zhuǎn)化為聲音信號播放出來，這樣實現(xiàn)文本圖像的可讀化。該機(jī)的便攜版是將軟件燒錄到閱讀器內(nèi)的單片機(jī)，實現(xiàn)類似的處理過程，便攜式閱讀器通過電供電，省去了與電腦連接的過程。這款軟件的處理過程大致包括這幾個步驟：一是圖像采集;二是圖像預(yù)處理;三是文字識別;四是語音合成。圖像增強(qiáng)是預(yù)處理步驟屮的一個組成部分，一般來說，排在前面的步驟會影響后續(xù)處理的結(jié)果，這樣圖像增強(qiáng)對后面的二值化、版面分析都會有顯著影響，所以探究效果更好的增強(qiáng)算法是很有必要的。這種增強(qiáng)的效果既可以體現(xiàn)在圖像亮度的針對性提升或削弱，也可以是體現(xiàn)在圖像各點位置的調(diào)整和校正上，目的都是利于后續(xù)的分析步驟。

四、本文研究的主要內(nèi)容

灰度變換，直方圖均衡，中值濾波等方法是圖像增強(qiáng)中的典型方法，本文將在概念介紹后首先講解這些方法?；谛〔ㄗ儞Q的增強(qiáng)是本文著重探討的地方，包括了理論和具體方法。另外一部分就是作為視覺增強(qiáng)的幾何扭曲校正方法。本文以BMP格式圖片為基本圖片處理格式，對多種方法進(jìn)行了實驗。實驗結(jié)果，這種方法處理對比度不理想的圖像時，有良好的增強(qiáng)結(jié)果。全文共分五章，具體安排如下：

第一章緒論，介紹了圖像增強(qiáng)研究的出發(fā)點和本文的內(nèi)容安排。

第二章闡述圖像增強(qiáng)現(xiàn)在的發(fā)展?fàn)顩r，先是概要地闡述若干經(jīng)典的方法，如灰度變換，直方圖均衡等，然后介紹了現(xiàn)在己有的小波閾值化處理方法，在介紹這些方法的時候會注重數(shù)學(xué)原理和實現(xiàn)方法的闡述。

第三章介紹了圖像增強(qiáng)的程序，包括程序?qū)崿F(xiàn)的功能和邏輯流程，然后介紹了程序的主要文件和功能函數(shù)，最后對部分核心代碼進(jìn)行了分析。

第四章闡述方法的過程。先是本文提出的基于自適應(yīng)閾值的小波增強(qiáng)方法，對閾值的選取進(jìn)行了細(xì)致的數(shù)學(xué)分析，然后介紹方法的實現(xiàn)過程。另外，位置增強(qiáng)的方法，具體指針對文本文檔的幾何扭曲狀況，提出一種快速的校正方法，使得圖像平直排布，提升了視覺效果。

第五章是實驗工作，對新提出的圖像增強(qiáng)方法進(jìn)行了仿真，得到了直觀的圖像對比和客觀的數(shù)據(jù)表格，并根據(jù)一些評判參量對方法進(jìn)行了評價。

第六章總結(jié)，概括講述本文所作出的研宄工作，分析現(xiàn)有工作的成果和不足之處，為下一步的研究工作做鋪塾。

五、寫作提綱

摘要 3-4

Abstract 4

第一章 緒論 7-10

1.1 選題背景 7-8

1.2 本文的內(nèi)容安排 8-10

第二章 研究現(xiàn)狀 10-21

2.1 增強(qiáng)理論簡介 11-17

2.1.1 灰度變換 12-15

2.1.2 直方圖均衡 15-17

2.2 小波變換增強(qiáng)的研究 17-21

2.2.1 閾值化的方法 17-19

2.2.2 與直方圖均衡結(jié)合 19-21

第三章 程序的基本架構(gòu) 21-27

3.1 程序簡介 21-24

3.1.1 程序框架 21-23

3.1.2 程序流程 23-24

3.2 主要文件和功能函數(shù) 24-25

3.3 部分核心代碼 25-27

第四章 增強(qiáng)方法的具體實現(xiàn) 27-41

4.1 小波變換簡介 27-32

4.1.1 連續(xù)小波變換 27-28

4.1.2 離散小波變換 28-29

4.1.3 多分辨分析與Mallat算法 29-32

4.2 基于自適應(yīng)閾值的增強(qiáng) 32-35

4.2.1 用于增強(qiáng)的閾值 32-34

4.2.2 用于降噪的閾值 34-35

4.2.3 方法流程 35

4.3 位置增強(qiáng)的扭曲校正方法 35-41

4.3.1 原理簡析 35-36

4.3.2 拋物線模型 36-38

4.3.3 類拋物線模型 38-39

4.3.4 方法實現(xiàn) 39-41

第五章 實驗結(jié)果 41-48

5.1 基于自適應(yīng)閾值的增強(qiáng) 41-46

5.2 扭曲校正方法 46-48

第六章 總結(jié) 48-49

6.1 課題工作總結(jié) 48

6.2 展望 48-49

參考文獻(xiàn) 49-52

申請學(xué)位期間的研宄成果及發(fā)表的學(xué)術(shù)論文 52-53

致謝 53

六、目前已經(jīng)閱讀的主要文獻(xiàn)

[1] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins.阮秋琦譯.數(shù)字圖像處理[M]. MATLAB版.北京：電子工業(yè)出版社，2012.

[2]張宏林.精通Visual C++數(shù)字圖像處理典型算法及實現(xiàn)[M].第二版.北京：人民郵電出版社，2008.

[3]祁燕，宋凱.基于小波多尺度的圖像增強(qiáng)新算法[J].微計算機(jī)信息，2010，26(10):133-134’ 142.

[4]鄭江云，江巨浪，黃忠.基于RGB灰度值縮放的彩色圖像增強(qiáng)[J].計算機(jī)工程，2012，38(2): 226-228.

[5]蔡利梅，錢建生，羅驅(qū)波，等.一種基于色彩保持的低照度圖像增強(qiáng)算法[J].計算機(jī)應(yīng)用與軟件，2009，26(3) ： 226-227，243.

[6]楊永勇，林小竹，等.彩色圖像增強(qiáng)的幾種方法研宄比較[J].北京石油化工學(xué)院學(xué)報，2006，14(3) ： 43-47.

[7]王學(xué)偉，王世立，李珂.基于偽中值濾波和小波變換的紅外圖像增強(qiáng)方法[J].激光與紅外，2013，43(1) ： 90-93.

[8]尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強(qiáng)[J].激光與紅外，2013,43(2): 225-228.

[9]陳超.改進(jìn)單尺度Retinex算法在圖像增強(qiáng)中的應(yīng)用[J].計算機(jī)應(yīng)用與軟件，2013，30(4) ： 55-57，74.

[10]李小霞，李鋮果，鄒建華，等.一種新的低照度彩色圖像增強(qiáng)算法[J].計算機(jī)應(yīng)用研宄，28(9): 3554-3555，3558.

[11]王慧琴.小波分析與應(yīng)用[M].北京：北京郵電大學(xué)出版社，2011.

[12] Albert Boggess, Francis J. Narcowich.荷國勝，康健譯.小波與傅里葉分析基礎(chǔ)[M].北京：電子工業(yè)出版社，2010.

[13]尹紅然，俞浩，秦清鋒.一種基于Retinex理論的彩色圖像增強(qiáng)算法[J].電子科技，2012，25(3) ： 21-24.

[14]張瑞強(qiáng)，齊l通過點運(yùn)算進(jìn)行數(shù)字圖像處理[J].實驗室科學(xué)，2008, (4): 61-62.

[15]陳守剛.基于直方圖均衡化的彩色圖像增強(qiáng)研宄[J].重慶三峽學(xué)院學(xué)報，2012，27(3):74-77.

[16]唐志航，黃哲，張東衡，等.基于尺度相關(guān)性的自適應(yīng)圖像增強(qiáng)新算法[J].計算機(jī)應(yīng)用，2006, 26(9) ： 2084-2085, 2088.

[17]周旋，周樹道，黃峰，等.基于小波變換的圖像增強(qiáng)新算法[J].計算機(jī)應(yīng)用，2005，25(3) ： 606-608.

[18]吳桑，彭良玉.基于小波變換的圖像增強(qiáng)新算法[J].現(xiàn)代電子技術(shù)，2013, 36(4):89-91.

[19]王小明，方曉穎，劉錦高.復(fù)雜光照下的自適應(yīng)人臉圖像增強(qiáng)[J].計算機(jī)工程與應(yīng)用，2011，47(2) ： 15-18.

[20]熊秋菊，楊慕升.數(shù)字圖像中邊緣檢測算法的對比研究[J].機(jī)械工程與自動化，2009，(2): 43-44，47.

[21]劉茜，盧心紅，李象霖.基于多尺度Retinex的自適應(yīng)圖像增強(qiáng)方法[J].計算機(jī)應(yīng)用，2009，29(8): 2077-2079.

[22] Xuli Zong, Andrew F. Laine, Edward A. Geiser. Speckle Reduction and ContrastEnhancement of Echocardiograms via Multiscale Nonlinear Processing [J]. IEEE TransMed Imaging, 1998, 17(4): 532-540.

[23] David L. Donoho, Iain M. Johnstone. Ideal spatial adaptation by waveletshrinkage [J]. Biometrika, 1994, 81(3): 425-455.

[24] Ching-Tang Hsieh, Eugene Lai, You-Chuang Wang. An effective algorithm forfingerprint image enhancement based on wavelet transform[J]. PatternRecogonition, 2003，32(2): 303-312.

[25]張德豐.Mat lab小波分析與工程應(yīng)用[M].北京：國防工業(yè)出版社，2008.

[26]周偉.基于MATLAB的小波分析應(yīng)用[M].第二版.西安:西安電子科技大學(xué)出版社，2010.

[27]李冠章，羅武勝，李沛.基于人眼視覺特性的彩色圖像增強(qiáng)算法[J].光電工程，2009，36(11) ： 92-95.

[28].周密，李尊尊，耿國華.基于小波閾值的圖像去噪方法研宄[JL計算機(jī)技術(shù)與發(fā)展，2008，18(5) ： 22-24.

[29]葉重元，黃永東.小波閾值去噪算法的新改進(jìn)[J].計算機(jī)工程與應(yīng)用，2011，47(12):141-145.

[30]呂慧顯，楊濱，李京.基于局部化自適應(yīng)閾值的小波圖像降噪[J].青島理工大學(xué)學(xué)報，2010，31(2): 118-122.