一、匀速直线运动降质图像复原中的误差改善（论文文献综述）
余粞淼[1]（2021）在《基于深度学习的模糊二维码图像处理算法研究》文中认为
孙晶晶[2]（2021）在《低质图像的清晰化方法研究》文中指出图像在拍摄过程中受天气（雾、雨雪、阴天）、运动、光照不足等影响加之拍摄硬件设备的限制,会产生严重的退化,造成细节丢失、亮度降低、颜色退化、模糊、辨识度降低等问题,为了提升图像的可识别度以及为后续开展检测、识别、跟踪、分类等,本文针对噪声和运动模糊造成的低质图像进行清晰化的研究。开展了基于各向异性扩散和三维块匹配算法相结合的噪声图像清晰化算法及基于DeblurGAN模型的运动模糊图像的清晰化算法,主要工作内容如下:（1）噪声图像清晰化研究。本文提出了基于各向异性扩散和BM3D相结合的噪声图像清晰化方法。首先,采用改进的各向异性扩散算法对图像进行预处理,通过采用八方向扩散的边缘增强算子和双曲正切函数的扩散系数函数,提高了收敛速度,且边缘增强算子可加强图像的边缘区域及细节信息;然后,将预处理后的图像经过BM3D算法处理,对平滑区域和边缘区域采用不同的方式寻找相似块,平滑区域沿水平和垂直方向寻找,而边缘区域沿垂直和边缘方向搜寻,以更好的获取图像的结构信息;最后通过仿真及实验验证了该方法对噪声图像的清晰化效果。仿真结果表明,本文方法能更好地保留原图像的纹理细节并有效地避免了BM3D算法存在边缘振铃效应的问题,提升了主观视觉感受。实验结果显示,本文算法处理后峰值信噪比指标较BM3D算法高出4.4%,结构相似性高出3%。（2）运动模糊图像清晰化研究。提出一种改进的DeblurGAN的图像运动模糊清晰化方法,以解决DeblurGAN算法在图像边缘细节恢复的不足以及复原图像存在网格效应的问题。首先,在生成器网络中,采用多尺度卷积核神经网络来进行特征提取,添加了级联空洞卷积并采用自适配归一化方法;判别器使用Patch GAN网络。其次,引入梯度图像L1损失并结合对抗损失和感知损失,将其作为图像去模糊的正则约束。最后,将在Go Pro数据集上进行训练得到去模糊的模型。实验结果表明,本文方法在主观上清晰化效果较好,且消除了网格效应;另外,峰值信噪比较DeblurGAN算法高出5.4%,结构相似性指标高出1%。
徐宁珊[3]（2021）在《可见光遥感图像质量评价与像质提升技术研究》文中认为可见光遥感成像是一种重要的对地观测手段,在城市规划、资源管理、环境监测等领域发挥着重要作用。遥感图像是遥感成像的输出,其应用意义在于从背景中辨识目标,进而研究目标。遥感图像的像质决定了图像中目标的可辨识性,因此,遥感器能否实现高质量成像是关乎航天遥感任务成败的关键因素。在空间光学遥感成像链路中,遥感成像会受到光照条件、大气环境、光学成像系统、电子电路系统和卫星平台等环节的退化作用,引起图像信息丢失和图像质量下降,从而影响后续的图像解译工作,严重制约遥感图像在各领域的实际应用。通过地面图像处理算法来提升遥感图像质量具有代价小、性价比高的特点,对于包含丰富地物场景信息的遥感图像而言,如何通过后处理算法恢复更多图像细节,以提升图像质量,一直是学者们研究的重点。此外,遥感图像可作为衡量遥感成像质量的主要依据。对遥感图像质量进行评价不仅有助于监测遥感器的在轨成像性能,进而指导遥感器在轨工作参数调整,还有助于定量化分析遥感图像产品的实际应用价值,因而具有重要的研究意义。图像质量客观评价较主观评价而言具有简便易行、稳定性好的优点,但这类方法存在诸多瓶颈需要克服,如评价结果的准确性不足、仅限于特定目标场景、功能单一等。针对上述问题,本文围绕可见光遥感图像像质评价及提升技术展开研究,主要研究工作分为以下四个部分:1、对空间光学遥感成像链路进行了研究,分析了链路中各环节的像质影响因素,明确其成因并建立了相应的数学模型。对遥感成像过程中各影响单元的调制传递特性和噪声特性进行了研究,建立了光学遥感成像的MTF链路和信号与噪声链路模型,实现了对遥感成像质量的定量化分析。2、针对像质评价的通用性和主客观一致性问题,对遥感图像质量客观评价方法开展了深入研究。首次分析了遥感图像的空域自然场景统计特性,并构建了基于块匹配的图像特征提取框架来加强图像特征提取的有效性,进而提出了一种基于自然场景的无参考型图像质量评价模型——BM-IQE,通过实验验证,该方法与主观评价具有良好的一致性,且实现了不同地物场景下的通用性。3、开展了基于遥感图像的遥感器成像性能评价研究。对遥感图像的自然场景统计特征参量与成像性能表征量进行了一致性分析,验证了统计特征在成像质量描述中的有效性。进而,对基于自然场景统计而建立的BM-IQE模型与不同成像质量评价指标间的一致性进行了分析,验证了该模型在遥感器成像性能表征与评价方面具备有效性,为实际监测遥感器在轨成像性能提供了有效途径。4、开展了单幅含噪模糊遥感图像的图像盲复原技术研究。针对实际应用中先验信息缺乏,且现有算法细节恢复能力不足的情况,创新性地提出利用图像高阶梯度的稀疏特性,构造了一种基于图像低-高阶梯度的混合梯度稀疏先验约束模型。同时提出了一种基于图像熵的自适应调整策略来优化两种梯度先验约束项的比例,实现了更好的算法收敛性。实验证明该方法可以恢复更丰富的图像细节和更清晰的图像边缘,从而有效提升图像质量。
张嘉鹏[4]（2021）在《巡检机器人运动模糊图像复原研究》文中研究指明变电站定期巡视检查是确保电力系统安全有效运行的重要手段,巡检机器人的投入可极大降低人工巡检难度,排除安全隐患,提升工作效率。巡检机器人视觉系统获取高质量的视频图像是完成检测任务的前提和关键。然而,复杂颠簸的工作路面以及碰撞障碍物产生的抖动都使巡检机器人视觉系统产生不可避免的运动模糊,严重影响后续的检测工作。因此,恢复巡检机器人拍摄图像的清晰度,提高细节信息,消除运动模糊的困扰变得十分重要。将运动模糊图像从巡检机器人视频图像中筛选出来是后续去模糊的前提,人为判断筛选耗时费力且存在误筛误选的可能;估计运动模糊图像的模糊核是去模糊的核心与基础,它的精确程度将直接影响图像的复原质量;反卷积复原是获取高质量图像的最终目的,低效的卷积算法往往会损失图像的边缘细节,甚至产生振铃效应。针对上述问题,对巡检机器人运动模糊图像的复原方法展开研究:首先,分析了运动模糊图像产生的原因,建立了运动模糊图像的退化模型并确定了复原过程。将图像质量评价应用到运动模糊判定中,发现一种基于感知的无参考客观图像清晰度的方法可以对不同背景、不同模糊程度的图像进行正确评判,符合巡检机器人的应用背景;结合实验验证,提出设置清晰度阈值作为模糊图像的判定标准,在此基础上,结合运动模糊图像频谱图具有平行暗条纹这一特性筛选出运动模糊图像。模糊筛选和运动模糊的确定大大降低了误筛误选的可能,为后续复原打下坚实基础。然后,为了提升模糊核估计质量,首先采用改进的三维块匹配算法对运动模糊图像进行去噪预处理,使用引导滤波强化图像边缘细节;利用初始估计的模糊核对图像进行重建,根据重建图像继续估计模糊核,重复迭代并修正得到更加精准的模糊核,采用超拉普拉斯算法进行复原,复原后图像的质量得到提升。最后,根据超拉普拉斯算法忽略了图像的局部统计性质,使复原后图像容易损失边缘细节甚至产生振铃效应。引入字典学习的概念,在模糊核估计的基础上,使其与超拉普拉斯算法结合共同复原图像,经实验验证,复原后的图像有效的减少了振铃效应,图像质量进一步提高。
蔡瑛芙[5]（2020）在《车底检测系统图像增强及其软件测试效率研究》文中认为我国已经成为全球第二大贸易国,尽管在总贸易额上仍然居美国之后,但在货物贸易量上已经超越美国。海关在对外贸易中扮演着关键性的重要角色。对来往车辆进行安全性与合法性的监管,是海关日常执法监管工作的重要内容。不法分子进行非法交易时,将违禁物品藏匿于车底试图通过边境口岸,是一种常见的手段。因此,车底检测成为对过境车辆合法性查验的重要环节。不仅如此,车底检查还可用于各种大型会议活动、重要国家机关出入口、高速路收费站及安检站、监狱出入口、机场车辆出入口以及重要场所周边的安检工作。车底检测技术,可以通过直观的图像查验,快速地发现藏匿于汽车底盘上的毒品、武器、走私品、危险爆炸物以及可疑违禁物品。这对于边境安全、社会安全乃至国家安全,都具有十分重要的意义。传统车底检测工作,是检查人员通过车底检查杆窥镜和摄像头来获取车底信息,操作员通过视频或者镜面反射直接观察车底状态。但因为检查手段的局限性,不仅操作不便,也难以提供高质量的检测结果。目前,基于扫描成像技术的车底检测设备,可以更好地为车底检测提供便利。车底扫描成像设备包含固定式或移动式车辆底盘拍照系统,可以拍摄出完整的车辆底部图像,为检查人员提供高清车底大图和高清车底视频。这种设备和技术,一方面便于检测操作,另一方面可以形成高质量的检测图像。同传统车底检测技术相比,基于扫描成像的车底检测技术具有很大的优势。但是,这种检测技术也会受到环境光、部件遮光、补光灯功率不足、线阵相机曝光时间不合适等因素的影响,结果导致生成的车底图像在亮度、对比度和完整性等方面存在不足,这就需要通过图像去噪、图像恢复和图像增强等关键技术获取更高质量的车底图像。鉴于基于扫描成像的车底检测技术存在的问题,本文针对车底图像去噪、恢复和对比度增强算法展开深入研究,并对基于相关算法设计出的软件进行稳定性测试,进而在通用图像集和车底线阵图像上进行实验验证,本文开展的主要研究工作如下:1.针对因补光灯功率不足和曝光参数配置不合理造成的车底扫描图像偏暗、噪声大和对比度低的问题,提出一种具有初始边界条件的各向异性的非线性Perona-Malik微分方程图像增强算法。Perona-Malik微分方程图像增强算法,采用非线性最小化技术,多次优化去除图像噪声,可以有效地增强图像对比度和保留图像上的边缘细节。本文算法可以更好地完成Perona-Malik 微分方程的数值求解,并使图像增强过程具有更好的稳定性和收敛性。实验结果表明,本文提出的具有初始边界条件的各向异性非线性Perona-Malik微分方程增强算法,无论在通用图像数据集,还是在车底扫描图像的去噪和对比度增强处理中,都可以获得比传统的图像增强算法更好的效果。2.针对因成像环境、成像方式和编码传输等方面问题造成的车底图像噪声、模糊和缺失,提出了一种基于傅里叶变换域的半监督特征图像复原算法,用于在傅立叶变换域中复原车底图像。为了实现非奇异系统的求解,提出了一种截断奇异值分解算法;为了减小辅助点的影响,提出了一种利用辅助点强度等信息的半监督特征选择方法。理论分析证明了所提算法具有收敛性,实验结果验证了所提算法对于通用图像数据集与车底扫描图像在包含模糊与噪声图像复原的有效性。3.针对车底检查系统软件性测试存在效率低的问题,提出了一种基于跟踪文件最优重排序的Daikon软件测试改进方法。借助程序不变量检测工具Daikon,通过引入变量属性来减少不变量数量,通过采用非确定性的启发式方法进行数据跟踪文件的重排序来提高测试速度。车底图像软件测试实验表明,所提方法减少了测试时间、提升了测试效率,软件文件数量越多、其测试效率提升越明显。本文研究获得了一种采用Grunwald-Letnikov导数实现基于分数阶非线性各向异性扩散方程的数值求解方法、一种基于傅里叶变换的半监督图像复原算法和一种基于跟踪文件最优重排序的Daikon软件测试改进方法三项创新性成果,取得了显着的图像去噪增强和复原增强的效果,明显提高了Daikon软件测试的效率。这促进了图像增强处理技术的发展,提升了车底检查系统的技术水平,对监管车辆安全和保障社会安全具有重要意义。
马丽云[6]（2020）在《运动模糊图像复原方法及优化》文中研究说明日常生活中,人们普遍习惯拍摄照片来记录生活中的点滴趣事,利用图像记录信息已经成为生活中不可缺少的一部分。5G技术的成熟发展与应用使得人们越来越重视图像信息的处理。而图像拍摄过程中存在的相对运动会使拍摄的图像模糊。为解决这一问题,对运动模糊图像的复原就成为图像处理领域中的一个重要课题。复原的关键就是要确定图像退化的过程,找到相应的模糊核,再利用适当的算法实现图像的复原。本文以匀速直线运动造成的运动模糊为例,对复原方法进行了优化。1.对于模糊参数的估计,一般采用倒频谱和Radon变换。考虑到模糊核精确度的提高有利于更好的实现运动模糊图像复原,提出利用Canny算子检测模糊图像频谱图的边缘后,再对其进行模糊参数的估计,估计精度更高。2.针对复原过程中出现的振铃效应,不再使用经典的图像复原算法,而是利用最优窗算法和循环边界算法实现对振铃效应的抑制。最优窗算法和循环边界算法都是对图像边界的像素进行了补充,减弱了图像边界像素信息缺失对图像复原的影响。
武永恒,张小孟,李小民,李文广,李炭[7]（2020）在《无人机侦察图像运动模糊复原方法研究》文中进行了进一步梳理无人机具有体积小、使用方便以及战场生存能力较强等优点,在军事领域中应用越来越广泛;无人机进行情报侦察时,成像设备与拍摄物之间存在相对运动,使得拍摄到的图像出现模糊,严重影响后期的情报处理,因此如何提高模糊图片的质量成为无人机情报处理中的重要课题;介绍了在无人机侦察这一背景下图像运动模糊的降质机理及成像特点,对运动模糊复原领域中图像非盲复原与盲复原两类方法进行研究,从算法原理和实际应用两方面对每种算法的优缺点进行了总结;最后对无人机侦察图像运动模糊复原算法的发展趋势做出展望,实时性、适用性与智能性将成为算法的主流发展方向。
武永恒[8]（2020）在《无人机侦察图像模糊复原系统关键技术研究与软件开发》文中提出无人机具有体积小、使用方便以及生存能力强等优点,广泛应用在军事、民用等多个领域中。军事领域无人机在执行任务过程中容易受到相对运动、成像设备、恶劣天气等因素干扰,使拍摄到的图像出现模糊、色彩失真等现象,严重影响了后期情报分析,因此需对模糊图像进行处理,提高图像质量。针对无人机侦察图像的实际应用问题,本文做了以下工作:（1）基于图像金字塔的多尺度空间构建。为了提高估计的模糊核精度、保存更多的图像边缘细节,使用一种多尺度模型求解策略。使用图像金字塔构建多尺度空间,金字塔采取逐层下采样法来降低图像分辨率,空间层数根据模糊核尺寸自适应选取,最后在尺度空间中迭代求解构建的正则化复原模型。（2）基于局部加权全变差的显着边缘提取。为了提高显着边缘的细节,使边缘更加清晰,本文将局部加权全变差模型进行改进,首先使用分数阶梯度算子计算图像的梯度,然后将计算得到的梯度幅值引入权重模型完成图像显着边缘的提取。通过实验表明针对模糊图像基于分数阶梯度算子的局部加权全变差显着边缘提取相较于其他算法,提取的图像边缘细节更加突出。（3）基于混合正则化约束的模糊核模型构建。为了得到更为精确的模糊核,本文对全变差模糊核模型进行改进,在模型中引入H1范数和1L范数保证了模糊核的平滑性和稀疏性,然后又加入2L范数确保了模糊核的连续性,又将高阶全变差模型引入,进一步提高了复原图像的平滑性,最后根据模糊核的特性对模糊核进一步约束,使估计的模糊核更加精确。（4）基于超拉普拉斯先验的复原图像模型构建。为了提高复原图像的边缘细节,本文在高阶全变差超拉普拉斯正则项的基础上增加了新的保边正则项。最后将建立好的模糊核模型和复原图像模型相结合得到图像盲复原模型,并将复原模型放在建立的多尺度空间中进行迭代求解。实验结果表明,基于多尺度混合正则化约束的图像复原算法抗噪性更强、复原图像的边缘细节更加清晰。（5）基于混合编程法的无人机侦察图像模糊复原系统。在运动模糊复原算法研究的基础上结合离焦模糊复原与大气模糊复原算法,使用一种混合编程法设计实现了无人机侦察图像模糊复原系统。首先在Qt开发平台下配置MATLAB与Open CV的调用环境,然后根据应用需求设计交互界面,最后调用生成的库文件完成整个系统。通过测试,系统可流畅运行并实现对无人机运动、离焦、大气模糊图像的复原。
付青青[9]（2020）在《超声成像测井图像增强和复原方法研究》文中研究说明在油气资源勘探开发领域,超声成像测井以其图像直观、全井眼覆盖和探测范围大等优点,得到了广泛应用。超声成像测井不但可以在裸眼井中反映井眼几何形状,识别裂缝、孔洞、层理等地层非均质性,而且还能在套管井中检查射孔质量、分析套管损坏以及评价固井质量。但是由于超声成像测井过程中复杂的测井作业环境以及超声换能器非理想性声斑等因素,导致了超声测井图像模糊,造成了图像的对比度降低,分辨率下降,为细小目标地质体特征的分析和解释带来了困难。在此背景下,本文结合超声成像测井的工程需求,以超声成像测井原理和信息处理为理论基础,采用物理模拟和数值模拟相结合的方法,从信号产生与处理的角度开展了超声测井图像增强和复原方法研究。本文主要工作如下:1.基于限定对比度直方图均衡的超声测井图像增强方法的研究针对超声测井图像增强问题,基于超声成像对比度低的客观实际,结合工程实时性的要求,研究并实现了HE,BBHE,RMSHE,POSHE,BOHE,MLBOHE,CLAHE等多种直方图均衡方法。在对算法性能分析的基础上引入幂次变换方法,通过参数调整对灰度级进行非线性变换。分析了子块数量、剪切阈值、幂次等参数的选择与增强效果的关系。采用幂次变换与CLAHE方法相结合,提出了CLAHE-PL图像增强方法。利用实验室超声图像、模型标准井和油田现场测得的超声测井图像进行了对比验证测试,主观评价和客观指标（MG、PSNR、AMBE、IE和LC）评价均指示了CLAHE-PL方法增强超声测井图像是有效的。2.基于部分重叠的直方图均衡超声测井图像增强方法的研究针对部分重叠的直方图均衡方法存在过度增强的问题,将CLAHE算法中剪切直方图引入到POSHE方法中,修改子块累积直方图分布函数。以低对比度的夜间车辆监控图像为例,分析了剪切阈值的大小对增强效果的影响,提出了POSHEOC图像增强方法,利用平均梯度和平均结构相似度指标构建测井图像质量评价的策略,实现了最佳的子块直方图剪切阈值的自动选取。在此基础上,以模型标准井和2幅油田现场实测的超声测井图像为例,结合PMGSIM、PSNR、IE、AMBE和LC等5个客观评价指标,将本文提出的POSHEOC和CLAHE-PL两种算法与HE、BBHE、RMSHE、POSHE、BOHE和MLBOHE等6种方法进行对比测试。实验结果表明,POSHEOC方法处理超声测井图像是有效的,实现了提高超声测井图像对比度的同时,限制了平坦区过度增强,突出了局部细节信息。3.基于APEX点扩展函数估计的最佳K值维纳滤波复原方法的研究针对超声测井图像复原问题,分析了图像退化的因素,明确了声束的扩散在井壁形成的声斑是造成超声测井图像退化的主要原因。基于超声测井成像系统退化模型未知的实际情况,研究了声波换能器的传输特性,利用试验估计法在退化图像中选取特征点作为参考对象,推导出点扩散函数模型近似为G类函数。采用APEX算法,对模型参数进行估计,将APEX参数拟合拓展到水平和垂直两个方向,进行对数幅度谱截面曲线拟合,估计出点扩散函数。基于估计的点扩散函数,利用维纳滤波方法进行图像复原,针对维纳滤波复原方法中噪信比K值未知的问题,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法。在此基础上,基于已知的标准清晰图像,利用计算机模拟退化图像,并增加不同功率的高斯噪声,开展复原性能测试,并结合MG、PSNR、IE、AMBE和LC等5个客观评价指标,对复原图像的质量进行了对比分析,验证了所提复原算法的正确性。在模拟退化图像进行复原正确的基础上,利用实验室超声图像、模型井超声图像和现场测井图像进行了大量的仿真实验,结合主观观察和客观评价指标,开展复原图像的性能测试。实验结果表明,本文提出的基于APEX点扩展函数估计的最佳K值维纳滤波复原方法对超声测井图像的复原是有效的,在恢复图像细节信息,增强清晰度,抑制噪声方面均表现出良好的性能。本文的主要成果:1.研究了基于直方图的系列图像增强方法,提出适合超声测井图像增强的两种方法CLAHE-PL和POSHEOC,所提方法可以内嵌到现场测井资料处理与解释软件中,服务于油气勘探开发,亦可推广适用于水下声学图像的增强。2.研究了基于试验估计的图像盲复原方法,并估计了超声图像的退化模型,将APEX算法引入到超声测井图像点扩散函数的参数估计中,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法,探索出了一种超声测井图像退化模型估计方法和测井图像复原算法,研究成果在油田勘探开发中有较好的应用前景。
吴岛[10]（2020）在《基于滑移率辨识的汽车制动时序视觉检测系统研究》文中进行了进一步梳理近年来,随着我国经济的稳健增长和交通运输业的快速发展,道路网络和交通设施得到了前所未有的改善和提高,促使汽车行业迅猛发展,汽车保有量不断增加,随之而来的行车安全问题成为全社会关注的焦点。对在用汽车的各项指标进行定期安全检测是保障汽车行车安全的主要途径,其中制动性能又是所有指标中最重要的一项。尤其是半挂汽车列车,作为当前公路货运的主体,正在向多轴化、重型化方向发展,其车体较长、结构复杂,制动性能各项指标都具有重要意义。目前,针对汽车制动性能检测的方法主要有两种:路试检验法和台架检验法。路试法须有特定的场地,受气候条件影响较大且重复性差,一般作为辅助检测手段。台式检验法占地小,不受气候条件影响,重复性较好,是目前汽车检测站和科研机构进行制动性能检测的常用方法。台架检验法主要通过滚筒反力式制动检验台或平板式制动检验台进行检测,可以检测出整车制动力和、制动不平衡及阻滞力,满足多数车型的检测。然而,半挂汽车列车由于轴数较多,不同的制动时序会对列车的制动稳定性造成直接影响,前轴制动快制动瞬间列车易发生折叠,后轴制动快制动瞬间列车易发生拖拽。台式检验法受台体结构的限制,无法实现半挂汽车列车制动时序的检测,从而难以反映整车的制动性能。虽然国家标准GB 18565-2016对汽车列车的制动时序检测方法做出了要求,但受检测设备的成本和结构制约,目前并无相关可行的制动时序检测设备,所以检测方法不具现实意义。因此,研发出一套高精度、智能化的汽车制动时序检测系统势在必行。随着中国制造2025战略部署的不断推进,在以机器视觉为核心的工业4.0大趋势推动下,汽车检测领域也正朝着信息化、自动化、智能化的方向迈进。因此,本文以此为契机,立足国家标准和现有技术手段,将视觉技术引入汽车制动时序检测,提出了基于立体视觉的汽车制动时序检测方法,设计和研发了汽车制动时序视觉检测系统。本文根据半挂汽车列车制动失稳机理及制动时序对制动稳定性的影响,明确了引起不同制动时序的因果关系。通过分析汽车制动时序检测技术的研究现状,确定了本文的研究内容和技术路线,主要包括以下四个方面:（1）汽车制动时序视觉检测系统方案设计分析车轮滑移率与路面附着系数间的变化关系,提出视觉检测系统的测量目标:即以制动踏板开关的触发时刻为起始时标,各车轮滑移率分别达到20%的时间次序作为制动时序的检测结果,并分析影响滑移率辨识的关键因素。为准确识别车轮滑移率,以白色圆形标识物作为间接测量物,建立基于视觉测量的车轮滑移率测量模型及列车曲线行驶矫正模型。基于平行双目立体视觉测量原理,推导系统结构模型,对影响系统综合测量误差的关键因素进行讨论分析。最后从检测系统整体布置、检测流程和控制方案三个方面对汽车制动时序视觉检测系统进行方案设计。（2）图像处理关键算法研究为得到图像中圆形标识的中心坐标,根据圆形标识的图像特点对相关图像处理算法的适用性进行改进和优化。首先对采集的原始图像进行预处理操作,包括图像对比度增强、图像去模糊、图像去噪和图像锐化。然后对归一化后的左右图像进行边缘提取,为改善Canny算法对圆形标识的边缘提取效果,对传统Canny算法在梯度方向和自适应阈值方面进行改进研究。为准确提取圆形标识,分析现有椭圆检测理论提出适用于本文的椭圆检测方法,设计边界清除算法清除冗余边缘,以及融合最小二乘理论和Hough变换实现对圆形标识的准确识别和提取。考虑到序列图像进行立体匹配计算量大的问题,基于对极几何约束关系,提出一种归一化互相关（Normalized Cross Correlation,NCC）快速匹配算法。最后,根据三维重建模型和相机标定参数,对圆形标识中心坐标进行三维重建。（3）视觉检测系统标定与精度检定试验研究根据摄像机坐标系间转换关系,对线性成像模型和非线性成像模型进行论述,以建立本文的摄像机成像模型。分析张正友平面模板标定法的算法原理及不足之处,提出一种基于PSO-LM（Particle Swarm Optimization与Levenberg-Marquardt）组合优化策略的改进张正友标定方法,实现对标定参数的非线性全局优化,并通过标定对比试验对所提方法的有效性进行验证。为验证视觉检测系统对圆形标识的动态识别精度,设计一种模拟车轮制动的精度检定装置及方法,在多个目标速度下分类进行多工况试验,分析每种工况下的试验误差。（4）汽车制动时序视觉检测系统实车试验研究为验证检测系统整体方案设计的可行性以及图像处理算法和标定算法的有效性,选取同一辆在用半挂汽车列车进行重复性试验和九辆在用半挂汽车列车进行普适性试验。为分析视觉检测系统的测量误差,利用车轮上的轮速传感器设计一套轮速测量装置,结合非接触式速度测量仪构成校准装置,对比分析两组试验数据的示值误差和重复性误差,对本检测系统的准确性、稳定性及适用性进行验证。同时,在重复性试验中,鉴于测量结果误差存在不确定性,为科学评价本检测系统,对测量结果误差的不确定度进行评定。最后,分析和总结视觉检测系统相比于校准装置的试验误差。
二、匀速直线运动降质图像复原中的误差改善（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、匀速直线运动降质图像复原中的误差改善（论文提纲范文）
（2）低质图像的清晰化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 图像清晰化研究现状 |
| 1.3 本文研究内容及创新点 |
| 1.4 论文结构安排 |
| 第二章 图像清晰化理论知识研究 |
| 2.1 图像降质理论基础 |
| 2.1.1 图像降质原理 |
| 2.1.2 噪声图像类型 |
| 2.1.3 模糊图像类型 |
| 2.2 卷积神经网络 |
| 2.2.1 卷积层 |
| 2.2.2 激活函数 |
| 2.2.3 池化层 |
| 2.2.4 归一化算法 |
| 2.2.5 Dropout |
| 2.2.6 空洞卷积 |
| 2.3 图像复原质量的评价标准 |
| 2.4 本章小结 |
| 第三章 基于各向异性扩散和BM3D的噪声图像清晰化 |
| 3.1 各向异性扩散算法 |
| 3.2 三维块匹配滤波算法 |
| 3.3 各向异性扩散算法的改进 |
| 3.3.1 基于边缘增强算子的各向异性扩散模型 |
| 3.3.1.1 传统P-M模型扩散方向及其改进 |
| 3.3.1.2 基于八方向扩散的边缘增强算子模型 |
| 3.3.1.3 仿真对比 |
| 3.3.2 基于双曲正切函数的扩散系数函数 |
| 3.3.2.1 双曲正切扩散函数 |
| 3.3.2.2 扩散函数的数学分析 |
| 3.3.3 实验结果与分析 |
| 3.4 基于各向异性扩散和BM3D的噪声图像清晰化 |
| 3.4.1 算法整体结构 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于DeblurGAN的运动模糊图像盲复原 |
| 4.1 DeblurGAN原理 |
| 4.1.1 条件生成对抗网络 |
| 4.1.2 DeblurGAN模型 |
| 4.2 条件生成对抗网络结构设计 |
| 4.2.1 生成器网络结构 |
| 4.2.1.1 多尺度特征提取 |
| 4.2.1.2 级联空洞卷积 |
| 4.2.1.3 自适应归一化 |
| 4.2.2 判别器网络结构 |
| 4.3 损失函数设计 |
| 4.4 实验结果与分析 |
| 4.4.1 实验环境配置和数据集预处理 |
| 4.4.2 消融实验结果分析 |
| 4.4.3 对比实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）可见光遥感图像质量评价与像质提升技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感图像质量评价方法研究现状 |
| 1.2.2 遥感图像质量提升方法研究现状 |
| 1.3 当前研究中存在的问题与不足 |
| 1.4 本文主要研究内容 |
| 1.5 本文组织结构安排 |
| 第2章 光学遥感成像链路建模与像质影响因素研究 |
| 2.1 光学遥感成像链路模型 |
| 2.2 遥感成像退化因素分析 |
| 2.2.1 大气传输特性及其影响 |
| 2.2.2 光学成像系统传递特性及其影响 |
| 2.2.3 卫星平台颤振的影响 |
| 2.2.4 遥感器与目标相对运动的影响 |
| 2.3 光学遥感成像质量分析 |
| 2.3.1 在轨动态MTF分析 |
| 2.3.2 在轨信噪比分析 |
| 2.4 本章小结 |
| 第3章 遥感图像无参考像质评价技术研究 |
| 3.1 典型的遥感图像质量客观评价方法 |
| 3.1.1 有参考型像质评价指标 |
| 3.1.2 无参考型像质评价指标 |
| 3.2 遥感图像的自然场景统计特性研究 |
| 3.2.1 基于MSCN系数的统计特性 |
| 3.2.2 基于图像梯度的统计特性 |
| 3.2.3 基于Log-Gabor滤波器的统计特性 |
| 3.2.4 基于灰度共生矩阵的统计特性 |
| 3.2.5 基于图像色彩的统计特性 |
| 3.3 基于自然场景统计的无参考遥感图像质量评价模型 |
| 3.3.1 特征参量提取 |
| 3.3.2 参考模型 |
| 3.3.3 基于图像块匹配的测试模型 |
| 3.3.4 BM-IQE像质评价模型 |
| 3.3.5 验证实验及其分析 |
| 3.4 本章小结 |
| 第4章 基于遥感图像的成像性能评价方法研究 |
| 4.1 成像性能指标获取 |
| 4.1.1 MTF计算的理论基础 |
| 4.1.2 刃边法提取MTF |
| 4.1.3 SNR指标计算 |
| 4.2 成像性能指标与图像统计特征参量的一致性研究 |
| 4.2.1 实验数据集 |
| 4.2.2 基于MTF指标的实验结果与数据分析 |
| 4.2.3 基于SNR指标的实验结果与数据分析 |
| 4.3 无参考图像质量评价模型与成像质量评价指标的一致性研究 |
| 4.3.1 BM-IQE模型与成像性能指标一致性分析 |
| 4.3.2 BM-IQE模型与GSD一致性分析 |
| 4.3.3 BM-IQE模型与IQM模型一致性分析 |
| 4.4 本章小结 |
| 第5章 遥感图像质量提升技术研究 |
| 5.1 典型的图像复原方法 |
| 5.2 基于混合梯度稀疏先验的遥感图像盲复原研究 |
| 5.2.1 混合梯度稀疏先验模型 |
| 5.2.2 基于Split Bregman的数值求解方法 |
| 5.2.3 模型参数设置策略 |
| 5.3 实验结果与分析 |
| 5.3.1 模型有效性分析 |
| 5.3.2 仿真图像复原结果与分析 |
| 5.3.3 真实图像复原结果及分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文主要工作内容 |
| 6.2 创新性总结 |
| 6.3 未来工作展望 |
| 参考文献 |
| 附录:中英文名词对照 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（4）巡检机器人运动模糊图像复原研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模糊核估计 |
| 1.2.2 图像去卷积 |
| 1.2.3 图像的质量评价 |
| 1.3 本论文研究内容及章节安排 |
| 第二章 图像去运动模糊理论基础及实验 |
| 2.1 运动模糊图像产生的原因 |
| 2.2 运动模糊图像的退化模型及复原过程 |
| 2.2.1 运动模糊图像的退化模型 |
| 2.2.2 运动模糊图像的复原过程 |
| 2.3 运动模糊图像复原的经典算法 |
| 2.3.1 逆滤波 |
| 2.3.2 维纳滤波 |
| 2.3.3 约束最小二乘方滤波 |
| 2.3.4 Lucy-Richardson迭代滤波 |
| 2.4 经典复原算法的实验比较 |
| 2.5 本章小结 |
| 第三章 图像质量评价及运动模糊判定 |
| 3.1 主观图像质量评价 |
| 3.2 客观图像质量评价 |
| 3.2.1 有参考图像质量评价 |
| 3.2.2 无参考型图像质量评价 |
| 3.3 基于感知的无参考客观图像清晰度度量 |
| 3.3.1 可察觉模糊与概率求和模型 |
| 3.3.2 基于感知的无参考客观图像清晰度度量 |
| 3.4 模糊筛选和运动模糊判定 |
| 3.4.1 模糊图像的筛选 |
| 3.4.2 运动模糊的判定 |
| 3.5 本章小结 |
| 第四章 基于L1 正则化的模糊核估计方法 |
| 4.1 改进的三维块匹配算法及实验验证 |
| 4.1.1 改进的三维块匹配算法 |
| 4.1.2 实验验证 |
| 4.2 引导滤波 |
| 4.3 基于L1正则化估计模糊核 |
| 4.3.1 基于正则项约束的图像复原数学模型 |
| 4.3.2 估计模糊核 |
| 4.3.3 基于L1正则化图像边缘重建 |
| 4.3.4 模糊核的校正 |
| 4.4 基于超拉普拉斯梯度分布的复原算法 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第五章 基于字典稀疏的超拉普拉斯复原算法 |
| 5.1 图像的稀疏表达 |
| 5.1.1 数学模型 |
| 5.1.2 训练字典 |
| 5.2 基于字典稀疏的超拉普拉斯图像复原 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 巡检机器人拍摄图像复原实验 |
| 6.1 巡检机器人硬件概述 |
| 6.2 检测图像的获取情况及复原实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在校期间的研究成果及发表的学术论文 |
（5）车底检测系统图像增强及其软件测试效率研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像去噪算法研究现状 |
| 1.2.2 图像复原算法研究现状 |
| 1.2.3 图像增强算法研究现状 |
| 1.2.4 车底图像问题及其增强 |
| 1.2.5 Daikon软件测试工具 |
| 1.3 本文的研究内容 |
| 1.4 本文的章节安排 |
| 第2章 车底成像硬件系统与算法理论基础 |
| 2.1 引言 |
| 2.2 车底成像硬件系统组成与工作原理 |
| 2.3 算法理论基础 |
| 2.3.1 偏微分方程去噪 |
| 2.3.2 Perona-Malik模型 |
| 2.3.3 傅里叶变换增强 |
| 2.3.4 奇异值分解 |
| 2.3.5 截断奇异值分解 |
| 2.3.6 半监督特征选择 |
| 2.3.7 迭代耦合变换域图像增强算法 |
| 2.3.8 迭代傅里叶域图像增强算法 |
| 2.4 图像质量评价方法 |
| 2.4.1 图像质量的主观评价 |
| 2.4.2 图像质量的客观评价 |
| 2.5 遗传算法 |
| 2.6 本章小结 |
| 第3章 基于Perona-Malik微分方程的车底图像增强算法 |
| 3.1 引言 |
| 3.2 Perona-Malik微分方程的图像增强 |
| 3.2.1 改进的Perona-Malik方程 |
| 3.2.2 数值求解方案设计 |
| 3.2.3 稳定性及收敛性验证 |
| 3.3 实验及结果分析 |
| 3.3.1 通用图像数据集实验及结果分析 |
| 3.3.2 车底图像实验及结果分析 |
| 3.4 本章小结 |
| 第4章 基于傅里叶变换域的半监督车底图像增强算法 |
| 4.1 引言 |
| 4.2 傅里叶变换域的半监督特征算法 |
| 4.2.1 半监督特征选择算法 |
| 4.2.2 截断奇异值分解算法 |
| 4.2.3 最小化优化算法 |
| 4.2.4 收敛性分析与验证 |
| 4.3 实验及结果分析 |
| 4.3.1 通用图像数据集实验及结果分析 |
| 4.3.2 车底图像实验及结果分析 |
| 4.4 本章小结 |
| 第5章 基于跟踪文件最优重排序的车底软件测试方法 |
| 5.1 引言 |
| 5.2 动态不变量检测算法 |
| 5.3 不变量检测算法的改进 |
| 5.3.1 减少不变量策略 |
| 5.3.2 跟踪文件最优重排序策略 |
| 5.4 实验与结果分析 |
| 5.4.1 实验方法 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（6）运动模糊图像复原方法及优化（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 运动模糊图像复原 |
| 1.2.2 抑制振铃效应 |
| 1.3 创新及章节安排 |
| 2 图像退化 |
| 2.1 图像退化模型 |
| 2.2 模糊核函数的确定 |
| 2.3 本章小结 |
| 3 经典的复原算法 |
| 3.1 逆滤波复原 |
| 3.2 维纳滤波复原 |
| 3.3 有约束最小二乘复原 |
| 3.4 Lucy-Richardson复原 |
| 3.5 最大熵复原 |
| 3.6 本章小结 |
| 4 图像盲复原 |
| 4.1 倒频谱估计 |
| 4.2 Radon变换 |
| 4.3 边缘检测优化模糊参数 |
| 4.3.1 边缘检测 |
| 4.3.2 Canny算子 |
| 4.3.3 仿真结果 |
| 4.4 本章小结 |
| 5 振铃效应 |
| 5.1 振铃效应产生的原因 |
| 5.2 振铃效应的抑制方法 |
| 5.2.1 最优窗算法 |
| 5.2.2 循环边界法 |
| 5.3 本章小结 |
| 6 图像质量评价 |
| 6.1 图像质量评价指标 |
| 6.2 仿真结果分析与比较 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 新兴的图像复原算法 |
| 7.1.1 神经网络图像复原算法 |
| 7.1.2 图像超分辨率复原技术 |
| 7.2 总结与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（7）无人机侦察图像运动模糊复原方法研究（论文提纲范文）
| 0 引言 |
| 1 无人机侦察图像运动模糊成因及特点 |
| 1.1 无人机侦察图像运动模糊成像原因 |
| 1.2 无人机侦察图像运动模糊成像特点 |
| 2 图像非盲复原法 |
| 2.1 逆滤波算法 |
| 2.2 维纳滤波算法 |
| 2.3 约束最小二乘算法 |
| 2.4 Lucy-Richardson算法 |
| 3 图像盲复原法 |
| 3.1 先验辨识法 |
| 3.1.1 空域法 |
| 3.1.2 频域法 |
| 3.2 联合辨识法 |
| 3.2.1 迭代盲反卷积法 |
| 3.2.2 非负支持域约束递归逆滤波法 |
| 3.2.3 基于正则化的方法 |
| 4 实验与分析 |
| 4.1 数据采集 |
| 4.2 复原实验 |
| 5 结束语 |
（8）无人机侦察图像模糊复原系统关键技术研究与软件开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像非盲复原研究现状 |
| 1.2.2 图像盲复原研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 第二章 系统设计思路与图像复原基础理论 |
| 2.1 无人机侦察图像模糊复原系统设计思路 |
| 2.2 无人机图像退化因素 |
| 2.3 无人机图像退化模型 |
| 2.3.1 运动模糊模型 |
| 2.3.2 大气模糊模型 |
| 2.3.3 离焦模糊模型 |
| 2.4 图像复原基本算法 |
| 2.4.1 图像非盲复原法 |
| 2.4.2 图像盲复原法 |
| 2.5 算法对比分析 |
| 2.5.1 数据采集 |
| 2.5.2 复原实验 |
| 2.6 本章小结 |
| 第三章 基于多尺度混合正则化约束的无人机模糊图像盲复原 |
| 3.1 正则化约束的图像复原模型 |
| 3.2 多尺度空间的构建 |
| 3.3 基于分数阶梯度算子的LWTV显着边缘提取 |
| 3.3.1 FLOGLWTV模型建立 |
| 3.3.2 实验验证 |
| 3.4 基于混合正则化约束的模糊核模型构建 |
| 3.4.1 模糊核正则项构建方法 |
| 3.4.2 混合正则化模糊核模型构建 |
| 3.4.3 半二次方变量分裂法求解模型 |
| 3.5 基于超拉普拉斯先验的复原图像模型构建 |
| 3.5.1 复原模型构建方法 |
| 3.5.2 超拉普拉斯正则化模型构建 |
| 3.5.3 模型求解 |
| 3.6 本章小结 |
| 第四章 多尺度混合正则化复原算法复原效果测试 |
| 4.1 复原图像评价指标 |
| 4.1.1 图像质量主观评价法 |
| 4.1.2 图像质量客观评价法 |
| 4.2 实验与分析 |
| 4.2.1 实验设置 |
| 4.2.2 实验过程 |
| 4.2.3 实验结果与分析 |
| 4.3 本章小结 |
| 第五章 基于混合编程法的无人机侦察图像模糊复原系统 |
| 5.1 系统开发环境选择 |
| 5.2 混合编程方法选择 |
| 5.2.1 MATLAB引擎 |
| 5.2.2 Matcom软件 |
| 5.2.3 COM组件 |
| 5.2.4 动态链接库技术 |
| 5.3 无人机侦察图像模糊复原系统实现 |
| 5.3.1 生成动态链接库 |
| 5.3.2 Open CV与 MATLAB在 QT中的配置 |
| 5.3.3 人机界面设计实现 |
| 5.3.4 调用DLL文件 |
| 5.4 无人机侦察图像模糊复原系统的测试与封装 |
| 5.4.1 系统测试 |
| 5.4.2 系统封装 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）超声成像测井图像增强和复原方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外声成像测井仪器的发展现状 |
| 1.2.2 国内外成像测井处理软件的研究现状 |
| 1.2.3 图像增强算法研究现状 |
| 1.2.4 图像复原算法研究现状 |
| 1.2.5 存在的问题 |
| 1.3 论文研究工作 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文结构安排 |
| 第2章 超声测井图像成像基本原理及处理方法 |
| 2.1 引言 |
| 2.2 超声成像测井仪器及原理 |
| 2.2.1 超声成像测井仪器组成 |
| 2.2.2 声波测量数据成像过程 |
| 2.2.3 超声测井成像质量影响因素 |
| 2.3 室内超声成像实验装置构建 |
| 2.3.1 超声成像装置组成与功能 |
| 2.3.2 超声成像装置硬件设计 |
| 2.3.3 超声成像装置软件设计 |
| 2.3.4 标准模型制作 |
| 2.4 图像增强方法 |
| 2.4.1 基于直方图均衡的图像增强算法 |
| 2.4.2 小波变换图像增强算法 |
| 2.4.3 基于图像融合的图像增强算法 |
| 2.4.4 基于色彩恒常性理论的Retinex算法 |
| 2.5 图像复原方法 |
| 2.5.1 图像退化模型及复原 |
| 2.5.2 图像非盲复原方法 |
| 2.5.3 图像盲复原方法 |
| 2.6 图像质量评价方法 |
| 2.6.1 图像质量的主观评价 |
| 2.6.2 图像质量的客观评价 |
| 2.7 本章总结 |
| 第3章 基于CLAHE和幂次变换的超声测井图像增强 |
| 3.1 引言 |
| 3.2 局部直方图均衡 |
| 3.2.1 子块重叠的直方图均衡算法(BOHE) |
| 3.2.2 子块不重叠直方图均衡化(NOBHE) |
| 3.2.3 子块部分重叠直方图均衡化(POSHE) |
| 3.3 基于CLAHE和幂次变换的超声测井图像增强 |
| 3.3.1 算法原理 |
| 3.3.2 颜色模型转换 |
| 3.3.3 CLAHE算法原理 |
| 3.3.4 幂次变换 |
| 3.4 参数及性能分析 |
| 3.4.1 子块数量的影响 |
| 3.4.2 剪切阈值的影响 |
| 3.4.3 幂次参数的影响 |
| 3.5 实验结果及分析 |
| 3.5.1 实验室超声成像增强结果 |
| 3.5.2 模型井实验结果 |
| 3.5.3 现场超声测井图像实验结果 |
| 3.5.4 客观评价 |
| 3.6 本章小结 |
| 第4章 基于POSHE最优剪切限制的超声测井图像增强 |
| 4.1 引言 |
| 4.2 子块部分重叠的直方图均衡算法 |
| 4.2.1 POSHEOC原理及框图 |
| 4.2.2 POSHE算法流程 |
| 4.2.3 子块大小和移动步长的影响 |
| 4.2.4 剪切阈值的影响 |
| 4.2.5 对比度和过增强分析 |
| 4.2.6 最优剪切策略 |
| 4.3 实验结果与分析 |
| 4.3.1 模型井实验 |
| 4.3.2 现场超声测井图像实验结果 |
| 4.3.3 客观评价 |
| 4.4 本章小结 |
| 第5章 基于点扩展函数估计的超声测井图像复原 |
| 5.1 引言 |
| 5.2 超声测井图像退化模型 |
| 5.3 超声测井图像复原模型 |
| 5.4 点扩展函数的估计方法 |
| 5.4.1 图像观察估计法 |
| 5.4.2 试验估计法 |
| 5.4.3 模型估计法 |
| 5.5 .基于APEX点扩展函数估计的最佳K值维纳滤波测井图像复原 |
| 5.5.1 点扩展函数的模型估计 |
| 5.5.2 基于APEX的点扩展函数参数的估计 |
| 5.5.3 改进APEX算法的超声测井图像退化模型参数估计 |
| 5.5.4 改进维纳滤波测井图像复原 |
| 5.6 实验结果与分析 |
| 5.6.1 计算机模拟图像复原结果 |
| 5.6.2 实验室超声图像复原结果 |
| 5.6.3 模型井超声图像复原结果 |
| 5.6.4 现场超声测井图像复原结果 |
| 5.7 客观评价 |
| 5.8 本章小结 |
| 第6章 全文总结与工作展望 |
| 6.1 论文主要工作 |
| 6.2 本文的创新点 |
| 6.3 今后工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 个人简历 |
（10）基于滑移率辨识的汽车制动时序视觉检测系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.1.1 论文研究的背景 |
| 1.1.2 论文研究的意义 |
| 1.2 半挂汽车列车制动时序的国内外研究现状 |
| 1.2.1 国外制动时序研究现状 |
| 1.2.2 国内制动时序研究现状 |
| 1.3 半挂汽车列车制动时序检测技术的研究现状 |
| 1.3.1 制动时序国家标准的制定和实施 |
| 1.3.2 制动时序检测技术国外研究现状 |
| 1.3.3 制动时序检测技术国内研究现状 |
| 1.4 立体视觉汽车检测技术的研究现状 |
| 1.4.1 立体视觉概述 |
| 1.4.2 立体视觉在汽车检测技术领域的应用和进展 |
| 1.5 论文的主要研究内容及技术路线 |
| 1.5.1 主要研究内容 |
| 1.5.2 技术路线 |
| 第2章 汽车制动时序检测理论及方案研究 |
| 2.1 制动时序测量目标的确定 |
| 2.1.1 滑移率与路面附着系数的关系 |
| 2.1.2 基于车轮滑移率的制动时序测量目标 |
| 2.1.3 影响车轮滑移率识别的关键因素 |
| 2.2 基于视觉测量的车轮滑移率测量模型建立 |
| 2.2.1 车轮滑移率计算模型 |
| 2.2.2 圆形标识运动轨迹拟合 |
| 2.2.3 汽车列车曲线行驶矫正模型 |
| 2.3 双目立体视觉测量模型 |
| 2.3.1 平行双目立体视觉测量原理 |
| 2.3.2 平行双目视觉系统精度分析 |
| 2.4 制动时序视觉检测系统方案设计 |
| 2.4.1 制动时序视觉检测系统整体布局 |
| 2.4.2 制动时序视觉检测系统检测流程 |
| 2.4.3 制动时序视觉检测系统控制方案 |
| 2.5 本章小结 |
| 第3章 制动时序视觉检测系统图像处理算法研究 |
| 3.1 图像预处理 |
| 3.1.1 图像对比度增强 |
| 3.1.2 基于维纳滤波的圆形标识运动模糊复原 |
| 3.1.3 图像伪中值双边滤波去噪 |
| 3.1.4 图像拉普拉斯锐化 |
| 3.2 基于改进Canny算法的圆形标识边缘检测 |
| 3.2.1 传统Canny边缘检测 |
| 3.2.2 拓展梯度方向与Otsu自适应阈值的改进Canny算法 |
| 3.3 基于Hough变换的圆形标识特征提取 |
| 3.3.1 基于Hough变换的椭圆检测研究进展 |
| 3.3.2 最小二乘与Hough变换融合的圆形标识特征提取 |
| 3.4 基于对极几何约束的圆形标识归一化互相关立体匹配 |
| 3.4.1 立体匹配方法概述 |
| 3.4.2 对极几何约束 |
| 3.4.3 基本矩阵和极线方程 |
| 3.4.4 基于对极几何约束关系的NCC立体匹配算法 |
| 3.5 圆形标识中心坐标三维重建 |
| 3.5.1 三维重建模型 |
| 3.5.2 三维重建过程 |
| 3.6 本章小结 |
| 第4章 制动时序视觉检测系统标定与精度检定试验研究 |
| 4.1 非线性成像模型建立 |
| 4.1.1 参考坐标系 |
| 4.1.2 线性成像模型 |
| 4.1.3 非线性成像模型 |
| 4.2 视觉检测系统摄像机标定理论及优化 |
| 4.2.1 张正友平面模板标定法 |
| 4.2.2 张正友标定法优化理论分析 |
| 4.2.3 基于PSO-LM组合优化策略的改进张正友标定法 |
| 4.3 摄像机标定试验及结果对比分析 |
| 4.3.1 标定试验设备安装及调试 |
| 4.3.2 标定试验过程及参数误差对比分析 |
| 4.4 基于车轮动态模拟的视觉系统精度检定试验研究 |
| 4.4.1 硬件结构组成 |
| 4.4.2 检定方法及流程 |
| 4.4.3 动态检定试验及误差分析 |
| 4.5 本章小结 |
| 第5章 汽车制动时序视觉检测系统开发及实车试验 |
| 5.1 汽车制动时序视觉检测系统结构组成 |
| 5.1.1 检测系统的硬件部分 |
| 5.1.2 汽车制动时序检测系统软件设计 |
| 5.2 汽车制动时序视觉检测系统实车试验研究 |
| 5.2.1 实车试验目的及试验条件 |
| 5.2.2 实车试验内容及步骤 |
| 5.2.3 同一车型重复性试验 |
| 5.2.4 测量结果标准不确定度评定 |
| 5.2.5 多种车型普适性试验 |
| 5.2.6 试验误差因素分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
四、匀速直线运动降质图像复原中的误差改善（论文参考文献）
- [1]基于深度学习的模糊二维码图像处理算法研究[D]. 余粞淼. 哈尔滨工程大学, 2021
- [2]低质图像的清晰化方法研究[D]. 孙晶晶. 南京信息工程大学, 2021(01)
- [3]可见光遥感图像质量评价与像质提升技术研究[D]. 徐宁珊. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [4]巡检机器人运动模糊图像复原研究[D]. 张嘉鹏. 石家庄铁道大学, 2021(01)
- [5]车底检测系统图像增强及其软件测试效率研究[D]. 蔡瑛芙. 哈尔滨理工大学, 2020(04)
- [6]运动模糊图像复原方法及优化[D]. 马丽云. 山西师范大学, 2020(07)
- [7]无人机侦察图像运动模糊复原方法研究[J]. 武永恒,张小孟,李小民,李文广,李炭. 计算机测量与控制, 2020(06)
- [8]无人机侦察图像模糊复原系统关键技术研究与软件开发[D]. 武永恒. 石家庄铁道大学, 2020(04)
- [9]超声成像测井图像增强和复原方法研究[D]. 付青青. 长江大学, 2020
- [10]基于滑移率辨识的汽车制动时序视觉检测系统研究[D]. 吴岛. 吉林大学, 2020(08)