計算機論文開(kāi)題報告
計算機論文開(kāi)題報告
計算機論文以蟻群系統為課題，下文是小編搜集整理的計算機論文開(kāi)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，蟻群算法具有很強的發(fā)現好解的能力，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(gè)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)現較好的解。蟻群算法定義的這種分布式問(wèn)題求解模式能夠將問(wèn)題求解的快速性，全局優(yōu)化特征及有限時(shí)間內答案的合理性結合起來(lái)，所以引起了許多研究者的注意。
通過(guò)相關(guān)的研究工作，目前蟻群算法的應用領(lǐng)域已由當初單一的TSP領(lǐng)域滲透到了多個(gè)應用領(lǐng)域;由解決一維靜態(tài)優(yōu)化問(wèn)題發(fā)展到解決多維動(dòng)態(tài)組合優(yōu)化問(wèn)題;由離散域范圍內研究逐漸拓展到連續域范圍內的研究。具體被應用于包括機器人系統，圖像處理，制造系統，車(chē)輛路徑規劃，通訊系統，工程設計以及電力系統在內的多種場(chǎng)合，還解決了實(shí)際系統中的資源規劃，運動(dòng)規劃，數據分類(lèi)等問(wèn)題。
這種新興的仿生優(yōu)化算法展現出勃勃生機，并已成為可與遺傳算法相媲美的仿生優(yōu)化算法
2、國內外研究綜述及本人對綜述的評價(jià)。 對蟻群算法的研究雖然剛剛起步，但初步的研究結果已顯示出該算法在求解復雜優(yōu)化問(wèn)題(特別是離散優(yōu)化問(wèn)題)方面的優(yōu)越性。蟻群算法正在受到越來(lái)越多的人的研究和注意。
從當前可以檢索到的文獻情況看，研究和應用蟻群優(yōu)化算法的學(xué)者主要集中在比利時(shí)，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(kāi)始啟動(dòng)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)張紀會(huì )博士和徐心和教授。目前，蟻群優(yōu)化算法在啟發(fā)式方法范疇內已逐漸成為一個(gè)獨立的分支。
盡管蟻群優(yōu)化的嚴格理論基礎尚未奠定，國內外的有關(guān)研究仍停留在實(shí)驗探索階段，但從當前的應用效果來(lái)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致的工作還有待于進(jìn)一步展開(kāi)。
3、研究?jì)热荨⒀芯恐兴黄频碾y題。
研究?jì)热荩?/p>
1.基本蟻群算法及其改進(jìn)算法(蟻群系統、最大-最小蟻群系統)
2.蟻群算法在控制系統(滿(mǎn)意PID控制器參數優(yōu)化、非線(xiàn)性方程組的求解、Wiener模型參數辨識)中的應用
研究中所要突破的難題：
1. 蟻群算法參數選擇很重要，選擇不當的話(huà)會(huì )出現搜索的過(guò)早停滯現象或陷入局部最優(yōu)問(wèn)題。
2. 蟻群算法對非線(xiàn)性系統辨識中對 輸入信號的選擇是一個(gè)難點(diǎn)。
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(mǎn)意PID控制器的參數優(yōu)化問(wèn)題，非線(xiàn)性方程組的求解問(wèn)題，Wiener模型參數辨識問(wèn)題都轉換為求最優(yōu)的問(wèn)題，利用蟻群算法求解最優(yōu)問(wèn)題。 特色與創(chuàng )新之處：一般PID控制器參數的優(yōu)化的被控對象的參數是一定的，滿(mǎn)意PID被控對象給出的則是參數區間;蟻群算法是一種新的并行優(yōu)化算法，它有高度適應性，較強魯棒性且高效的優(yōu)點(diǎn)，在組合優(yōu)化問(wèn)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的方法難以解決的問(wèn)題，有研究?jì)r(jià)值。
5、現有研究條件和可能存在的問(wèn)題。 現有研究條件： 張宏立老師提供了些書(shū)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還有MATLAB仿真平臺。
可能存在的問(wèn)題：
1. 蟻群算法參數選擇很重要，選擇不當的話(huà)會(huì )出現搜索的過(guò)早停止現象或陷入局部最優(yōu)問(wèn)題。
2. 蟻群算法對非線(xiàn)性系統辨識中對輸入信號的選擇是一個(gè)難點(diǎn)。
6、預期的結果。
1.提出了一種基于蟻群算法的滿(mǎn)意PID控制器參數優(yōu)化的方法。
2.提出了一種基于蟻群算法的求解非線(xiàn)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(kāi)題報告工作;
2012.01--2012.02 查閱相關(guān)技術(shù)資料并深入學(xué)習研究，熟悉MATLAB仿真軟件;
2012.02--2012.06 深入學(xué)習基本蟻群算法及其改進(jìn)算法;
2012.10--2013.01 深入學(xué)習蟻群算法在控制系統中的應用;
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
四、最大-最小蟻群系統
五、基于蟻群算法的滿(mǎn)意PID控制器參數優(yōu)化
六、基于蟻群算法的非線(xiàn)性方程組的求解
七、基于蟻群算法的Wiener模型參數辨識
結論
參考文獻 (以上為參考格式，學(xué)科專(zhuān)業(yè)不同、論文選題不同，可以有不同的寫(xiě)作方式)
[1] 孫偉。 非線(xiàn)性PID控制器參數優(yōu)化方法[J].計算機工程與應用， 2010, 46(28) .
[2] 王建國。 非線(xiàn)性系統的蟻群優(yōu)化預測[J].測控技術(shù)， 2008, 27(10) .
[3] 朱遙。 采用蟻群算法模擬機器人尋路的仿真實(shí)驗[J].河北工業(yè)科技， 2010, 27 (5)。
[4] 李小珂。 基于蟻群算法的PID參數優(yōu)化[J].2003全國仿真技術(shù)會(huì )議論文集， 2003.
[5] 段海濱。 基于蟻群算法的PID參數優(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(huì )論文集， 2008.
[7] 李楠，胡即明。 蟻群算法在PID參數優(yōu)化中的應用研究[J].中國水運， 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(chē)輛路徑問(wèn)題[J].計算機工程與應用， 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(wèn)題[J].鐵路計算機應用， 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(dòng)化， 2005, 3 (10) .
[13] 魏平，熊偉清。 用于一般函數優(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(huì )論文集， 2007 .
[16] 詹士昌。 蟻群算法中有關(guān)算法參數的最優(yōu)選擇[J].科技通報， 2003, 19(5) .
[17] 陳冰梅。 求解旅行商問(wèn)題的MATLAB蟻群仿真研究[J].計算機測量與控制， 2011,19(4) .
[18] 張玉蘭。 求解連續函數最大值的螞蟻優(yōu)化算法[J].南京師范大學(xué)學(xué)報， 2005,5(3) .
[19] 柳長(cháng)安。 非線(xiàn)性系統的蟻群優(yōu)化預測[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(dòng)機器人動(dòng)態(tài)路徑規劃方法[J].電子學(xué)報，2011, 39(5) .
計算機論文開(kāi)題報告
開(kāi)題報告作為畢業(yè)論文答辯委員會(huì )對學(xué)生答辯資格審查的依據材料之一。研究方案，就是課題確定之后，研究人員在正式開(kāi)展研究之前制訂的整個(gè)課題研究的工作計劃，它初步規定了課題研究各方面的具體內容和步驟。
論文題目：基于自適應閾值的圖像增強算法
一、選題背景
圖像，指的是客觀(guān)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，計算機屏幕等介質(zhì)呈現出來(lái)。現實(shí)中，人類(lèi)大部分的信息都是通過(guò)人眼觀(guān)察的方式取得。五種感官方式中視覺(jué)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(guò)程中，圖像會(huì )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，以取得符合人們應用需求的圖像。數字圖像處理，指的是以數學(xué)運算為方式，對圖像作出的各種加工過(guò)程，目的是得到對用戶(hù)適用的效果⑴。這些過(guò)程包括降噪、配準、增強、壓縮等，它們與現實(shí)中的生產(chǎn)過(guò)程是緊密結合的。數字圖像處理，起始于1950年代，至1960年代時(shí)從計算機學(xué)中分離出來(lái)，形成獨立發(fā)展的學(xué)問(wèn)。
經(jīng)過(guò)半個(gè)多世紀的擴充，現在圖像處理的技術(shù)基礎己經(jīng)很穩固，在許多社會(huì )領(lǐng)域廣泛運用。如氣象部門(mén)通過(guò)對遙感圖像的處理，得到更加有效的天氣云圖，提高了預報的準確性;林業(yè)部門(mén)通過(guò)對航拍圖像的分析，評估森林發(fā)生火災險情的可能性;航天部門(mén)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節;醫療部門(mén)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(xiàn)圖像的處理能突出病變區域的顯示效果，讓醫生得以準確地判斷病變區域;在安檢領(lǐng)域，對阿爾法射線(xiàn)照射圖像的處理，使得包裹內物品的形狀和層次更加清晰，利于判斷物品類(lèi)型。
現在，數字圖像處理技術(shù)和流行的技術(shù)相結合(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。數字圖像處理按照方式和目標的不同大致分為以下幾類(lèi)：一是提高圖像的視覺(jué)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就屬于這一方面;二是獲取圖像的特征信息，以滿(mǎn)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(shí)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(lái)看，數字圖像處理常用方法有圖像變換，圖像分割，圖像配準，圖像增強，圖像特征提取等。圖像增強，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(hù)感興趣的部分，同時(shí)抑制甚至去除不感興趣的部分，提升圖像區域之間的差異，以突出某些部分的特征的過(guò)程。它的目的'是提高圖像中有用信息的顯示效果，使圖像更利于機器識別和視覺(jué)觀(guān)察，達到特定的分析目標。圖像增強是整個(gè)處理過(guò)程中非常關(guān)鍵的一環(huán)，在這個(gè)步驟序列中起著(zhù)承上啟下的作用。
很多情況下，設備采集到的圖像不能直接滿(mǎn)足特定的分析需求，需要采用一些圖像增強方法對圖像進(jìn)行預處理，處理后的圖像再交給業(yè)務(wù)處理部分。例如，醫療中X射線(xiàn)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)行圖像增強處理，再用其他算法標注可能的病灶區域，可以提高診斷準確性。圖像增強的主要目的在于兩點(diǎn)：一是提升視覺(jué)效果，使圖像更清晰，人眼觀(guān)察時(shí)更容易獲取需要關(guān)注的區域;二是使圖像的呈現形式更容易被機器處理，通過(guò)機器解析出人們想要的信息。例如，軍事偵查衛星得到的遙感圖像可能經(jīng)過(guò)了偽裝處理，其中的重要建筑，車(chē)輛等混為一體，不易分清，進(jìn)行圖像增強處理可以突出諸如機場(chǎng)、橋梁、車(chē)輛等元素，再對不同時(shí)段的遙感圖像對比處理，能夠更正確完整地觀(guān)察對方部署的變動(dòng)情況。圖像增強在技術(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的數學(xué)基礎和一些典型的算法，并提出自己的改進(jìn)后的方法。本文所做研宄的項目來(lái)源為十一五國家科技支撐平臺重點(diǎn)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(gè)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(guò)拍照方式獲取印刷文字信息，經(jīng)OCR識別后轉換為語(yǔ)音后輸出。是為盲人及弱視等人群閱讀普通書(shū)籍所準備的視聽(tīng)轉換工具。借助該產(chǎn)品，盲人可閱讀紙質(zhì)書(shū)籍雜志、菜單、說(shuō)明書(shū)等。
圖像增強是閱讀器處理過(guò)程中的重要步驟，包括了灰度增強和位置增強，目的是提高圖像的人眼視覺(jué)效果和機器處理精確度。后一個(gè)項目是前一個(gè)的延伸，這個(gè)項目通過(guò)基于模型的、基于連通域的或基于3D的等各種方法，來(lái)實(shí)現扭曲文本的校正工作，以達到位置增強的目的。本課題從基于模型的思路出發(fā)，提出了一種新的拋物線(xiàn)數學(xué)模型，對文本線(xiàn)進(jìn)行遍歷，得到一系列文字的位置點(diǎn)，用位置點(diǎn)的坐標結合模型擬合出文本線(xiàn)，根據文本線(xiàn)與水平線(xiàn)之間的差距進(jìn)行精確恢復，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(guò)半個(gè)多世紀的發(fā)展，現在在技術(shù)基礎上己經(jīng)比較完備。圖像增強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。圖像增強方法于二十世紀六十年代為起步時(shí)期，它在美國噴氣推進(jìn)實(shí)驗室獲得第一次實(shí)用化。實(shí)驗室人員對航天飛行器傳回的圖像數據進(jìn)行了一系列的增強處理，如灰度變換，幾何變換等，獲得了質(zhì)量?jì)?yōu)良的月球表面圖像，圖像增強技術(shù)展示出了強大的應用潛力"]。
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(yíng)得了巨大的技術(shù)成功。七八十年代，圖像增強技術(shù)與其它領(lǐng)域結合，步入了快速發(fā)展時(shí)期。例如，這一時(shí)期，圖像增強技術(shù)用于指紋識別領(lǐng)域，通過(guò)提升指紋的生成效果和提取質(zhì)量，使指紋識別的準確率得以保障，指紋識別因此成為實(shí)用化的技術(shù)。圖像增強也應用于了醫療領(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(jué)優(yōu)化處理，可以對細胞結構，細菌形狀，染色體形狀等進(jìn)行更細致的分析;另一方面，是用在X射線(xiàn)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，圖像增強步入普及民用化時(shí)期。由于硬件技術(shù)的發(fā)展，電腦的處理速度快速增長(cháng)，制造成本卻大致遵循著(zhù)摩爾定律不斷下降。
圖像增強技術(shù)普遍應用于生產(chǎn)的各個(gè)方面，針對于各行各業(yè)生產(chǎn)環(huán)境的增強方法大大增加了。二十一世紀以后，圖像增強研宄的發(fā)展又有新的特點(diǎn)，其中包括大數據量，實(shí)時(shí)性，與互聯(lián)網(wǎng)技術(shù)結合，用戶(hù)定制需求，與人工智能結合，與智能終端結合等。圖像增強的方法按照是否經(jīng)過(guò)變換可分為：空域增強和變換域增強。空域增強是以圖像各點(diǎn)的像素值為一般處理對象，通過(guò)對像素值的單獨的或鄰域的公式運算來(lái)實(shí)現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則重新安排像素值;變換域增強則不是操作像素值本身，而是令其轉換到某一變換域后，根據其在變換域中的分布特點(diǎn)進(jìn)行針對性的操作，如傅立葉變換是轉換到頻率域上，小波變換是轉換到小波域上。轉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。如數學(xué)形態(tài)學(xué)方法，它是一種用來(lái)解析幾何形狀的方法，被應用于圖像處理中。它包括一些特定的結構元素，通過(guò)這些結構元素對圖像進(jìn)行操作，可以提取圖像中的對應形狀。這樣將形狀和背景分離開(kāi)，分別加以強調和抑制處理，可以達到圖像的增強效果。
另外，圖像增強與其他領(lǐng)域的方法相結合，出現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 )算法相結合的新方法，利用神經(jīng)網(wǎng)絡(luò )得到一種非線(xiàn)性增強方式，對圖像進(jìn)行直接增強前面提到過(guò)，本文提出的方法是以智能閱讀器的產(chǎn)品為基礎的，產(chǎn)品組成如圖。這款產(chǎn)品包括了一個(gè)圖像采集器和一款配套的軟件，采集器通過(guò)USB線(xiàn)連接到電腦上，采集到的圖像經(jīng)過(guò)軟件的識別，生成電子文檔，再轉化為聲音信號播放出來(lái)，這樣實(shí)現文本圖像的可讀化。該機的便攜版是將軟件燒錄到閱讀器內的單片機，實(shí)現類(lèi)似的處理過(guò)程，便攜式閱讀器通過(guò)電供電，省去了與電腦連接的過(guò)程。這款軟件的處理過(guò)程大致包括這幾個(gè)步驟：一是圖像采集;二是圖像預處理;三是文字識別;四是語(yǔ)音合成。圖像增強是預處理步驟屮的一個(gè)組成部分，一般來(lái)說(shuō)，排在前面的步驟會(huì )影響后續處理的結果，這樣圖像增強對后面的二值化、版面分析都會(huì )有顯著(zhù)影響，所以探究效果更好的增強算法是很有必要的。這種增強的效果既可以體現在圖像亮度的針對性提升或削弱，也可以是體現在圖像各點(diǎn)位置的調整和校正上，目的都是利于后續的分析步驟。
四、本文研究的主要內容
灰度變換，直方圖均衡，中值濾波等方法是圖像增強中的典型方法，本文將在概念介紹后首先講解這些方法。基于小波變換的增強是本文著(zhù)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(jué)增強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(shí)驗。實(shí)驗結果，這種方法處理對比度不理想的圖像時(shí)，有良好的增強結果。全文共分五章，具體安排如下：
第一章緒論，介紹了圖像增強研究的出發(fā)點(diǎn)和本文的內容安排。
第二章闡述圖像增強現在的發(fā)展狀況，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，然后介紹了現在己有的小波閾值化處理方法，在介紹這些方法的時(shí)候會(huì )注重數學(xué)原理和實(shí)現方法的闡述。
第三章介紹了圖像增強的程序，包括程序實(shí)現的功能和邏輯流程，然后介紹了程序的主要文件和功能函數，最后對部分核心代碼進(jìn)行了分析。
第四章闡述方法的過(guò)程。先是本文提出的基于自適應閾值的小波增強方法，對閾值的選取進(jìn)行了細致的數學(xué)分析，然后介紹方法的實(shí)現過(guò)程。另外，位置增強的方法，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(jué)效果。
第五章是實(shí)驗工作，對新提出的圖像增強方法進(jìn)行了仿真，得到了直觀(guān)的圖像對比和客觀(guān)的數據表格，并根據一些評判參量對方法進(jìn)行了評價(jià)。
第六章總結，概括講述本文所作出的研宄工作，分析現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(xiě)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 本文的內容安排 8-10
第二章 研究現狀 10-21
2.1 增強理論簡(jiǎn)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 與直方圖均衡結合 19-21
第三章 程序的基本架構 21-27
3.1 程序簡(jiǎn)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 24-25
3.3 部分核心代碼 25-27
第四章 增強方法的具體實(shí)現 27-41
4.1 小波變換簡(jiǎn)介 27-32
4.1.1 連續小波變換 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 基于自適應閾值的增強 32-35
4.2.1 用于增強的閾值 32-34
4.2.2 用于降噪的閾值 34-35
4.2.3 方法流程 35
4.3 位置增強的扭曲校正方法 35-41
4.3.1 原理簡(jiǎn)析 35-36
4.3.2 拋物線(xiàn)模型 36-38
4.3.3 類(lèi)拋物線(xiàn)模型 38-39
4.3.4 方法實(shí)現 39-41
第五章 實(shí)驗結果 41-48
5.1 基于自適應閾值的增強 41-46
5.2 扭曲校正方法 46-48
第六章 總結 48-49
6.1 課題工作總結 48
6.2 展望 48-49
參考文獻 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
[1] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins.阮秋琦譯.數字圖像處理[M]. MATLAB版.北京：電子工業(yè)出版社，2012.
[2]張宏林.精通Visual C++數字圖像處理典型算法及實(shí)現[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新算法[J].微計算機信息，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[J].計算機工程，2012，38(2): 226-228.
[5]蔡利梅，錢(qián)建生，羅驅波，等.一種基于色彩保持的低照度圖像增強算法[J].計算機應用與軟件，2009，26(3) ： 226-227，243.
[6]楊永勇，林小竹，等.彩色圖像增強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[J].激光與紅外，2013,43(2): 225-228.
[9]陳超.改進(jìn)單尺度Retinex算法在圖像增強中的應用[J].計算機應用與軟件，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算法[J].計算機應用研宄，28(9): 3554-3555，3558.
[11]王慧琴.小波分析與應用[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[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算法[J].電子科技，2012，25(3) ： 21-24.
[14]張瑞強，齊l通過(guò)點(diǎn)運算進(jìn)行數字圖像處理[J].實(shí)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)性的自適應圖像增強新算法[J].計算機應用，2006, 26(9) ： 2084-2085, 2088.
[17]周旋，周樹(shù)道，黃峰，等.基于小波變換的圖像增強新算法[J].計算機應用，2005，25(3) ： 606-608.
[18]吳桑，彭良玉.基于小波變換的圖像增強新算法[J].現代電子技術(shù)，2013, 36(4):89-91.
[19]王小明，方曉穎，劉錦高.復雜光照下的自適應人臉圖像增強[J].計算機工程與應用，2011，47(2) ： 15-18.
[20]熊秋菊，楊慕升.數字圖像中邊緣檢測算法的對比研究[J].機械工程與自動(dòng)化，2009，(2): 43-44，47.
[21]劉茜，盧心紅，李象霖.基于多尺度Retinex的自適應圖像增強方法[J].計算機應用，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(jué)特性的彩色圖像增強算法[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].計算機工程與應用，2011，47(12):141-145.
[30]呂慧顯，楊濱，李京.基于局部化自適應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.