一、基于多重分形谱的图像索引方法研究（论文文献综述）
赵鸿[1]（2015）在《基于尺度不变局部特征的图像检索研究》文中研究指明随着互联网+时代的到来,以大数据为代表的新一代信息技术产业正在迅猛发展。如何从海量图像数据库中快速、准确地检索图像已经成为一个非常有意义且具有挑战性的课题。图像检索主要分为两类:基于文本的图像检索和基于内容的图像检索。基于内容的图像检索研究核心是图像特征提取技术。目前用于表示图像的特征主要分为低层视觉特征和高层语义特征,其中低层视觉特征是高层语义特征的基础,主要分为全局特征和局部特征。与全局特征相比,局部特征更能够检测和识别图像中的物体。本文主要研究适应多种环境变化,具有尺度、光照、旋转、噪声等不变性的图像局部特征。本文将工作分为两部分:特征点定位技术研究和局部特征描述研究。特征点定位技术研究主要分析对比了SUSAN角点检测和尺度空间极值点检测在上述四种环境变化时特征点定位的稳定性。通过实验发现尺度空间极值点检测方法在特征点数目的稳定性和检测时间均优于SUSAN算子。局部特征描述研究主要以尺度空间极值点作为特征点进行。本文介绍了当前广泛使用的SIFT特征描述子,在分析其特征维数过大和方形邻域影响特征描述子准确性的缺点后,提出了基于特征点圆形邻域的两个不变特征描述子S-SIFT和CC-SIFT。实验结果得出了三个结论:（1）S-SIFT和CC-SIFT特征在较低特征维数的情况下与SIFT在尺度、光照、视点、旋转、噪声、模糊六种变化环境下具有相似的稳定性;（2）S-SIFT特征在三者中具有相对较好的区分性;（3）CC-SIFT描述子相比其他两者可以大大减少特征提取时间和特征匹配时间。本文最后使用SIFT、S-SIFT、CC-SIFT三种尺度不变局部特征,实现了一个简单的CBIR系统。
尹文博[2]（2011）在《图像处理技术在表征腐蚀钢结构表面特征中的应用》文中研究说明随着经济的发展,我国综合国力的提高,钢结构在土木工程领域应用越来越广泛。但许多长期处于海洋大气、工业大气等腐蚀环境下的大型钢结构工程（如桥梁、大型工业建筑、电视塔、高压线铁塔、大型水库闸门、海上采油设施等）出现了锈蚀问题。从而引出与之相关的一些亟待解决的科学问题,特别需要在“腐蚀后钢结构表面特征和截面损失规律”、“腐蚀后钢结构材料、构件和结构受力特征”、“腐蚀后钢结构承载性能评估方法”等方面形成创新和突破。论文以大气酸和大气盐条件下腐蚀试件为研究对象,对钢试样分别进行六个月的加速腐蚀试验,并基于普通数码相机采集的腐蚀图像,通过一系列图像处理技术,建立腐蚀图像特征与锈蚀率相关关系。论文通过腐蚀图像颜色和纹理特征两个方面对钢结构试件表面腐蚀程度进行表征。论文通过对腐蚀试件除锈前后图像颜色灰度直方图的阈值化处理,统计其灰度中值与灰度极差（峰高一半与峰宽）。研究发现,除锈前后腐蚀图像灰度直方图峰宽与锈蚀率线性相关,通过腐蚀图像灰度直方图峰宽能很好反映试样的腐蚀程度。本文为了更好地提取除锈后试件图像的纹理特征,在对除锈后试件图像一系列增强的基础上,基于分形理论,计算其面三维分形维数。研究发现,除锈后图像的分形维数与其锈蚀率之间存在非线性关系,分形维数随着锈蚀率的增加而减小,腐蚀试件除锈后图像的纹理特征能很好地描述其腐蚀特征。
肖乐萍[3]（2008）在《高合金工具钢共晶碳化物自动分析技术研究》文中指出共晶碳化物分布的不均匀性是反映高合金工具钢材质量的重要指标之一。至今国内外仍主要采用人工对比的方法进行评级。不少学者仍然在探索新的思路和途径,试图找到一个非常有效的描述方法来自动分析共晶碳化物图片。但至今还没有一个特别有效的方法能取得令人满意的性能。本文研究共晶碳化物的分类识别,用纹理特征训练神经网络的方法来识别图像,使共晶碳化物的分级从人工观察、定性分析进步到自动、定量分析阶段。图像特征是用来区分图像内部最基本属性或特征的。它包括了几何特征、形状特征、颜色特征、纹理特征等。本文从共晶碳化物的图像特征出发,根据其图像灰度分布均匀程度、复杂程度、局部变化情况及纹理的方向性。采用基于灰度共生矩阵的纹理特征提取方法,提取描述共晶碳化物特征的纹理参数。以六套共晶碳化物标准评级图片的256位灰度图为研究对象,讨论了适合本研究对象的灰度共生矩阵的建立和特征参数的选取。研究发现不同生长步长D值的选取对计算量和图片的可分性非常重要。本文能过多次实验,构造了适合六套共晶碳化物标准评级图的纹理的灰度共生矩阵,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。本文还研究了采用分类器设计算法实现共晶碳化物自动分类。采用目前应用最广泛的神经网络之一的BP神经网络,针对高合金工具钢共晶碳化物的纹理特征,结合BP神经网络的特性,构建了一个适合该类图片的基于BP网络的共晶碳化物测评模型。本文对样本的选取、网络的训练,隐含层的确定等作了较为详细的研究。采用动量法,提高了分类器的精度和训练速度;调整网络结构改进了分类器的泛化能力。本文对每套评级图分别做了检测。实验表明,使用改进的BP神经网络分类器对共晶碳化物图像进行分类可以达到很好的效果,单套图片识别最高准确率达到92.85%。
王刚[4]（2007）在《路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究》文中研究指明光学无损检测技术涉及光学、图像处理、信息处理、模式识别等多种学科领域。是一种不干扰待测场分布的测量诊断技术。本文提出的光学无损路面病害自动检测算法，针对目前路面病害检测算法存在的精度低、适用范围窄、自动化水平低的缺陷，着重研究了复杂背景下裂纹病害的提取以及病害的自动分类问题。主要工作内容和研究成果简述如下：1．本文提出了基于Ridgelet变换域的模糊自适应图像增强算法，利用在傅里叶变换域给出的Radon变换积分投影与原场分布在频域上的联系，实现离散Radon变换投影切片定理。并提出Radon变换重建原图像的基本条件；利用广义模糊集合概念和最大模糊熵原理，提出一种自适应设置模糊增强函数方法，使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。2．提出基于Curvelet变换域的路面图像去噪算法。Curvelet变换综合了Ridgelet擅长表示直线特征和小波适于表现点状特征的优点，并充分利用了多尺度分析独到的优势，适用于路面中网状裂纹的增强去噪。针对Curvelet系数稀疏矩阵表示出来的局部结构信息设计了一种自适应的消噪处理方法，对局部邻域中心点的高频Curvelet系数进行处理得出新的Curvelet系数，以达到去噪的效果。3．提出了一种基于亚像素多重分形原理求取图像奇异性的新型算法，降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律，利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合，对应着从边缘到纹理各层面的图像内容。采用多重分形理论并结合具体图像的物理和统计特性进行路面裂纹病害图像分割的分析，通过奇异性指数的概率分布以及最奇异指数值可判断图像中有无裂纹病害。4．本文最后介绍了自行研制的路面裂纹病害自动检测系统的框架结构。主要由图像采集和病害检测两大模块组成。详细说明了系统中图像采集模块的设备运行参数，以及病害检测模块的工作流程。目前该系统已经投入使用，并完成多条高等级公路的检测任务。实际使用结果表明本系统的正确率在90％以上。
于万波[5]（2006）在《基于分形与迭代的图象特征表示》文中研究说明图象特征表示是研究从图象中提取与组织特征，它是图象研究领域最基本最重要的工作，可以被用于图象数据库索引与查找、图象识别、图象压缩等各个方面。图象特征表示也属于人工智能的研究范畴，是人工智能中知识表示的一个复杂而有代表性的特例。因为图象是数学意义上的函数或矩阵，所以图象特征表示与各种数学运算方法有关，诸多的数学工具都被用于图象特征的提取与组织。迭代与分形是一种新的数学理论方法，基于迭代分形的图象特征表示的研究近年已经开始。 本文使用迭代与分形理论方法研究图象特征表示。主要工作，一是对函数迭代方面的内容进行研究，归纳并且发现了迭代分形覆盖特性与相关的混沌变化规律等；二是对图象的分形表示方法进行研究，给出了一个原图象索引查找方法，在理论研究方面，发现了图象集合的分形维数方面的规律；三是基于迭代方法，提出了两种图象特征表示方法。 本文的创新工作是： 1、对相关的函数迭代特性进行研究，提出了IFS（Iterated Function System，迭代函数系统）迭代分形覆盖的相交交点数目变化曲线（CIPN，The Curve of the Intersection Points Number）的概念，给出了CIPN的生成算法，研究了CIPN的变化特性。这些结果可以作为图象分形特征表示新方法的理论基础；另外，研究小波函数迭代的混沌分岔特性，给出了当其参数变化时出现的分岔图的一些规律性结论。这些结论对构造图象特征的迭代表示方法有很重要的参考价值。 2、基于分形方法，利用分形的二叉树结构，分别把图象的逐次分块重量与分块重心作为二叉树的节点，然后定义两种距离，构造类似R-树的最小包围盒，实现原图象的查找。这种方法对污染破损、变形等图象具有较好的查找效果；Korn等（2001）指出，使用R树结构对高维空间点集进行索引时，搜索时间复杂性取决于该点集的分形维数。基于分形维数理论，本文对图象构成的点集与其特征点集的分形维数进行分析，证明了奇异值特征点集与小波分解系数构成的点集的分形维数小于图象点集的分形维数，得到了序列图象作为高维点集时的分形维数远小于它所在空间的维数等结论。该结论说明，在使用图象特征对图象集合进行索引时，查找效率是比较高的。 3、基于IFS迭代覆盖，提出了一种图象特征表示方法。首先对图象的各种特征进行提取，再将提取得到的特征向量作为二元二次迭代式的系数组成迭代式，然后进行随机迭代，根据迭代出来点的分布特性对图象进行分类。由于二元二次迭代式收敛性不好，本文用乘以小波函数的方法来控制迭代的发散。与2003年着名学者Han等使用的方法
张轶琼[6]（2006）在《基于纹理特征的金相图像分类研究与实现》文中进行了进一步梳理已有的定量金相分析技术多建立在背景与目标的分割上，它对于分析诸多目标粘连在一起的情况显得困难重重。本文根据金相图像的纹理特征，把计算机技术、图像处理和模式识别的相关知识结合起来，建立了一套具有实际应用价值的金相图像纹理分类系统，该系统具有位移不变性、尺度不变性、旋转不变性和光照不敏感性等优点。 纹理特征提取算法多种多样，本文主要介绍了微分计盒分形维数法、多重分形相关维数法、小波变换法、不完全树小波变换法，并在此基础上提出了小波分形联合分析法，它充分利用了小波“数学显微镜”的特性和分形的自相似特性，在纹理特征提取方面取得了较好效果。在分类器设计方面，本文对BP神经网络分类器的结构设计、训练方法进行了详细介绍，采用动量法、S函数输出限幅和训练集重组相结合的方法优化，提高了分类器的精度和训练速度；采用隐节点自生成法改进了分类器的泛化能力。实验表明，使用小波分形联合分析法结合改进的BP神经网络分类器对金相图像进行分类可以达到很好的效果。 设计的金相纹理分类系统集显微镜、CCD摄像头、视频图像采集卡、计算机显示系统于一体，实现了从金相图像采集、预处理到特征参数提取、结果分析和打印等一系列功能。较好地解决了常规图像处理方法在分析金相图像时遇到的难题，实现了计算机对金相图像的自动分类和识别。
王丹青[7]（2006）在《基于分形理论的大气悬浮颗粒物图像识别》文中进行了进一步梳理大气悬浮颗粒污染物（TSP）是指空气动力学当量直径在100微米以下的固态和液态颗粒物,它是造成大气污染的重要原因之一。如何有效的识别出大气中悬浮颗粒状污染物,采取必要的保护措施,一直是国内外环境人员研究的一个重要课题。 本文以采集到的大气悬浮颗粒污染物的数字图像为研究对象,首先回顾了数字图像处理的发展历史,并概述了其主要研究内容及应用领域;然后介绍了分形、分形维数的几种定义,多尺度思想及多重分形理论。在此基础上,文章小结了几种图像分形维的一般估计方法,包括常用的差分盒维法、频域分形维数的估计方法、分形布朗运动模型的估计方法等。在介绍了数学形态学的基本运算及基于数学形态学的分形维估计方法后,借鉴基于固定结构元的数学形态学分形维估计方法,改进了基于可变结构元的数学形态学分形维估计方法,并将该算法应用于大气悬浮颗粒物图像的分形维估计。本文将图像的分形特征作为识别的重要依据之一,即将分形理论应用于识别大气悬浮颗粒物数字图像。 本课题以Visual C++为开发工具,设计开发识别大气悬浮颗粒物数字图像的软件,并予以实现。该软件是基于MFC框架的单文档程序,首先读取由CCD图像传感器获得的大气悬浮颗粒物的灰度图像或彩色图像,对其进行中值滤波去噪后,用自适应法选取阈值完成预处理,然后根据源图像的分形特征,利用基于数学形态学的分形维估计方法,识别出悬浮颗粒物,并最终统计其个数。 文末,将分形理论与研究非线性问题的小波、混沌等理论进行对比,初步探讨其相互联系,为进一步研究大气悬浮颗粒物图像的识别莫定良好的理论基础。
于万波,魏小鹏,段姗姗,赵晶[8]（2003）在《基于多重分形谱的图像索引方法研究》文中认为讨论了图像多重分形谱的计算方法及简化算法,对图像多重分形谱的一些特性进行了概括,利用简化 算法求得的多重分形谱数据对图像进行索引,给出了一些改进方案用于进一步研究。
二、基于多重分形谱的图像索引方法研究（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、基于多重分形谱的图像索引方法研究（论文提纲范文）
（1）基于尺度不变局部特征的图像检索研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于图像内容的检索系统研究现状 |
| 1.2.2 图像特征研究现状 |
| 1.3 本文内容及组织安排 |
| 1.3.1 本文主要内容 |
| 1.3.2 组织安排 |
| 1.4 本章小结 |
| 第二章 图像检索系统相关技术介绍 |
| 2.1 CBIR系统典型架构 |
| 2.2 图像特征提取技术 |
| 2.2.1 特征点定位技术 |
| 2.2.2 SIFT特征 |
| 2.3 用户相关反馈技术 |
| 2.4 性能评价指标 |
| 2.4.1 PRECISION RATE与RECALL RATE |
| 2.4.2 F-MEASURE |
| 2.4.3 AR与ANMRR |
| 2.5 本章小结 |
| 第三章 图像特征点定位技术研究 |
| 3.1 本章引言 |
| 3.2 SUSAN角点检测分析 |
| 3.2.1 SUSAN边缘检测与角点检测分析 |
| 3.2.2 不同类型角点检测分析 |
| 3.2.3 角点筛选 |
| 3.3 尺度空间极值点检测分析 |
| 3.3.1 低对比度极值点分析 |
| 3.3.2 边缘响应分析 |
| 3.4 特征点检测稳定性比较 |
| 3.4.1 光照变化分析 |
| 3.4.2 视觉变化分析 |
| 3.4.3 噪声影响分析 |
| 3.4.4 实验总结 |
| 3.5 本章小结 |
| 第四章 尺度不变特征研究 |
| 4.1 本章引言 |
| 4.2 尺度不变特征 |
| 4.2.1 尺度不变特征的构造 |
| 4.2.2 SIFT特征问题分析 |
| 4.2.3 方形邻域与圆形邻域 |
| 4.2.4 CC-SIFT特征 |
| 4.2.5 S-SIFT特征 |
| 4.3 实验分析 |
| 4.3.1 测试数据集介绍 |
| 4.3.2 特征提取分析 |
| 4.3.3 特征匹配分析 |
| 4.3.4 实验结论 |
| 4.4 本章小结 |
| 第五章CBIR系统设计与实现 |
| 5.1 系统设计 |
| 5.2 特征匹配技术 |
| 5.2.1 特征索引特点 |
| 5.2.2 相似搜索技术及LSH |
| 5.2.3 去除误配特征点 |
| 5.3 系统开发环境说明 |
| 5.4 图像数据库展示 |
| 5.5 系统展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.1.1 特征点定位技术总结 |
| 6.1.2 尺度不变特征总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）图像处理技术在表征腐蚀钢结构表面特征中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 图像处理技术的发展及研究现状 |
| 1.2.2 腐蚀构件表面表征方法 |
| 1.2.3 存在问题 |
| 1.3 论文研究内容与研究思路 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文研究思路 |
| 参考文献 |
| 第二章 图像的采集及存储 |
| 2.1 图像采集工具的选用 |
| 2.1.1 图像采集工具简介 |
| 2.1.2 本课题图像采集工具的选取 |
| 2.2 数码相机的选择 |
| 2.2.1 数码相机的标定 |
| 2.2.2 存在问题 |
| 2.3 图像采集方法 |
| 2.4 试验情况简介 |
| 2.4.1 本论文选用锈蚀钢片的试验简介 |
| 2.4.2 锈蚀率的选用 |
| 2.4.3 清除腐蚀产物的方法 |
| 2.5 锈蚀率的计算与锈蚀率—时间回归分析 |
| 2.5.1 锈蚀率计算表，见表2.1 |
| 2.5.2 锈蚀率与时间的关系确立 |
| 2.6 图像处理工具的选择 |
| 2.7 腐蚀图像数字化 |
| 2.8 数字图像的存储 |
| 2.9 本章小结 |
| 参考文献 |
| 第三章 基于灰度直方图的图像特征的提取 |
| 3.1 图像的数据特征及提取方式 |
| 3.2 图像的剪裁与剪切 |
| 3.2.1 图像的剪裁 |
| 3.2.2 图像的剪切 |
| 3.3 灰度图像 |
| 3.4 图像的直方图 |
| 3.4.1 直方图的定义及其性质 |
| 3.4.2 直方图的处理 |
| 3.5 图像分割 |
| 3.6 直方图的处理结果 |
| 3.7 基于灰度直方图的特征提取 |
| 3.8 直方图特征值与锈蚀率的回归拟合及其显着性检验 |
| 3.8.1 除锈前回归关系的建立及显着性检验 |
| 3.8.2 完全除锈后回归关系的建立及显着性检验 |
| 3.9 除锈前与完全除锈后峰宽与峰宽的相关关系 |
| 3.10 本章小结 |
| 参考文献 |
| 第四章 基于灰度图像的分形维数特征值提取 |
| 4.1 纹理的定义及其性质 |
| 4.2 图像的剪裁与剪切 |
| 4.2.1 图像的剪裁 |
| 4.2.2 图像的剪切 |
| 4.3 灰度图像 |
| 4.4 图像增强 |
| 4.4.1 图像增强的性质及分类 |
| 4.4.2 中值滤波 |
| 4.4.3 灰度变换 |
| 4.4.4 分析过程图 |
| 4.4.5 均衡化处理 |
| 4.5 分形维数的提取 |
| 4.5.1 分形维数的意义 |
| 4.5.2 分形维数的计算方法与统计 |
| 4.6 分形维数与锈蚀率关系的回归拟合及显着性检验 |
| 4.6.1 回归拟合 |
| 4.6.2 回归方程的显着性检验 |
| 4.7 分形维数回归图误差分析 |
| 4.8 本章小结 |
| 参考文献 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 附录 |
| 攻读硕士学位期间发表论文 |
| 附表3.1-3.16 4.1-4.4 |
（3）高合金工具钢共晶碳化物自动分析技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| TABLE OF CONTENTS |
| 第一章 绪论 |
| 1.1 共晶碳化物分级研究的意义 |
| 1.2 共晶碳化物分析的发展及现状 |
| 1.3 主要内容及结构安排 |
| 第二章 纹理分析理论 |
| 2.1 纹理的定义 |
| 2.2 纹理特征 |
| 2.3 纹理描述方法综述 |
| 2.3.1 结构分析方法 |
| 2.3.2 模型化方法 |
| 2.3.3 统计分析方法 |
| 2.3.4 信号处理方法 |
| 第三章 共晶碳化物图像纹理描述方法 |
| 3.1 灰度共生矩阵 |
| 3.1.1 灰度共生矩阵的基本原理 |
| 3.1.2 矩阵特征 |
| 3.1.3 二次统计特征量 |
| 3.2 适于描述共晶碳化物灰度共生矩阵的构造 |
| 3.2.1 可分性判据 |
| 3.2.2 生成步长D的确定 |
| 3.2.3 压缩灰度级 |
| 3.3 钢的共晶碳化物不均匀度评定法 |
| 3.3.1 评级图片 |
| 3.3.2 评级原则 |
| 3.4 共晶碳化物参数体系的建立和实现 |
| 本章总结 |
| 第四章 共晶碳化物纹理特征提取实验结果分析 |
| 4.1 共晶碳化物纹理特征提取 |
| 4.1.1 各套图片纹理特征值 |
| 4.1.2 各套图片纹理特征值分析 |
| 4.2 实例分析 |
| 本章小结 |
| 第五章 共晶碳化物分类器设计 |
| 5.1 分类器类型 |
| 5.2 BP神经网络分类器 |
| 5.2.1 原理及结构 |
| 5.3 BP神经网络的设计 |
| 5.3.1 网络结构的设计 |
| 5.3.2 BP神经网络的训练 |
| 5.4 BP网络的不足与改进 |
| 5.4.1 BP网络的限制与不足 |
| 5.4.2 BP网络的改进方法 |
| 第六章 共晶碳化物分类实现 |
| 6.1 建模软件 |
| 6.1.1 语言 |
| 6.1.2 仿真训练样本和测试方法 |
| 6.2 共晶碳化物的BP神经网络 |
| 6.2.1 网络的模型结构设计 |
| 6.2.2 网络学习参数的选取 |
| 6.2.3 网络训练及结果 |
| 6.3 网络性能的评价函数 |
| 6.4 实验结果与分析 |
| 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表的论文及科研获奖 |
| 致谢 |
| 附录1 共晶碳化物特征分析软件界面 |
（4）路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 课题研究的背景 |
| 1.2 路面病害的分类 |
| 1.2.1 路面病害类型 |
| 1.3 国内外路面病害检测系统的研究状况和进展 |
| 1.4 国内外路面裂纹病害提取与识别算法研究的发展现状 |
| 1.5 路面裂纹病害提取与识别算法研究所面临的困难 |
| 1.6 本文研究内容 |
| 2. 线状裂纹病害图像的Ridgelet变换域模糊增强机理与算法 |
| 2.1 常用的图像增强技术 |
| 2.1.1 空间域方法 |
| 2.1.2 变换域方法 |
| 2.2 Ridgelet变换原理 |
| 2.2.1 连续Ridgelet变换 |
| 2.2.2 二维离散Ridgelet变换 |
| 2.3 二维Ridgelet变换离散算法实现及模拟 |
| 2.4 Ridgelet变换图像增强技术 |
| 2.4.1 变换域中图像增强原理 |
| 2.4.2 Ridgelet变换域中图像增强算法 |
| 2.4.3 图像增强算法的模拟实验结果 |
| 2.5 基于Ridgelet变换域的路面局部线形裂纹增强技术 |
| 2.5.1 背景灰度均匀化 |
| 2.5.2 线形裂纹增强实验 |
| 2.6 本章小结 |
| 3. 曲线状裂纹病害图像的Curvelet变换域噪声抑制与增强算法 |
| 3.1 Curvelet变换 |
| 3.1.1 单尺度Ridgelet变换 |
| 3.1.2 单尺度Ridgelet变换的离散数字实现算法 |
| 3.2 Curvelet变换原理 |
| 3.2.1 离散Curvelet变换原理 |
| 3.2.2 离散Curvelet变换的数字实现 |
| 3.2.3 有限Radon变换系数顺序的优化 |
| 3.3 离散Curvelet变换去噪的模拟实验结果 |
| 3.3.1 Curvelet变换的系数重构实验结果 |
| 3.3.2 Curvelet变换的噪声抑制算法 |
| 3.4 基于Curvelet变换域的路面曲线状裂纹增强实验结果 |
| 3.5 本章小结 |
| 4. 基于亚象素多重分形方法的高速路面裂纹病害识别技术 |
| 4.1 多重分形理论框架 |
| 4.1.1 图像多重分形测度的定义 |
| 4.1.2 图像多重分形测度的速降函数投影定理 |
| 4.1.3 图像多重分形奇异性指数和奇异谱 |
| 4.2 基于亚像素多重分形的图像奇异性分析 |
| 4.3 基于亚像素多重分形的图像分解 |
| 4.3.1 速降函数的选取 |
| 4.3.2 亚像素多重分形的图像分解 |
| 4.4 基于亚像素多重分形的图像重构 |
| 4.5 基于亚像素多重分形的路面裂纹检测结果 |
| 4.6 本章小结 |
| 5. 路面病害自动检测系统体系结构 |
| 5.1 图像采集模块 |
| 5.2 病害检测模块 |
| 5.3 本章小结 |
| 6. 总结与展望 |
| 致谢 |
| 攻读博士期间发表的论文 |
| 参考文献 |
（5）基于分形与迭代的图象特征表示（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 图象特征提取与组织 |
| 1.2 基于分形与迭代的图象特征表示 |
| 2 迭代、分形与混沌的一些特性研究 |
| 2.1 相同迭代码的IFS分形图覆盖相交特性 |
| 2.2 二次迭代乘以系数后产生混沌研究 |
| 2.3 小波函数的一些迭代特性 |
| 2.4 一元多项式迭代出现混沌的轨迹曲线特性 |
| 2.5 二维二次迭代平面点集特性 |
| 2.6 二次迭代扰动叠加产生混沌研究 |
| 3 分形在图象特征表示中的应用 |
| 3.1 基于二叉树与HILBERT曲线的图象表示方法及应用 |
| 3.2 图象特征的分形组织 |
| 3.3 图象点集与其特征集的分形维数 |
| 3.4 基于分形的图象索引查找 |
| 4 基于迭代的图象特征表示方法 |
| 4.1 一种基于IFS迭代的图象特征表示方法 |
| 4.2 基于混沌神经元迭代的图象特征提取 |
| 5 结论 |
| 参考文献 |
| 附录1 图表与缩略词说明 |
| 论文创新点摘要 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
（6）基于纹理特征的金相图像分类研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 金相分析的发展及现状 |
| 1.3 主要内容及结构安排 |
| 2 纹理分析理论 |
| 2.1 纹理分析的发展 |
| 2.2 纹理的定义和描述 |
| 2.3 纹理分析中的常用方法 |
| 3 金相图像纹理特征提取 |
| 3.1 分形法 |
| 3.1.1 分形 |
| 3.1.2 分形维数的估计法 |
| 3.1.3 改进的微分计盒维数 |
| 3.1.4 金相图像的多重分形纹理特征 |
| 3.2 空间/频率域联合分析 |
| 3.2.1 小波变换 |
| 3.2.2 纹理分析中小波基的选取 |
| 3.2.3 图像的小波纹理特征 |
| 3.2.4 改进的小波纹理特征 |
| 3.3 小波分形联合分析法 |
| 3.3.1 算法的提出 |
| 3.3.2 算法的实现 |
| 3.4 本章小结 |
| 4 分类器设计 |
| 4.1 欧氏距离分类器 |
| 4.2 BP神经网络分类器 |
| 4.2.1 BP神经网络 |
| 4.2.2 BP神经网络的结构设计 |
| 4.2.3 BP神经网络的训练 |
| 4.2.4 BP算法的不足及优化 |
| 4.2.5 BP网络泛化能力的改进 |
| 4.2.6 BP神经网络分类器实现 |
| 4.3 本章小结 |
| 5 金相纹理分类系统设计及实验 |
| 5.1 系统的硬件构成 |
| 5.2 系统的软件设计 |
| 5.2.1 图像获取 |
| 5.2.2 图像预处理 |
| 5.2.3 纹理特征提取与分类 |
| 5.3 实验及结果分析 |
| 5.3.1 粉末显微图像评级分类实验 |
| 5.3.2 石墨显微图像分类实验 |
| 5.3.3 铝合金显微图像分类实验 |
| 5.3.4 实验结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 科研成果简介 |
| 致谢 |
（7）基于分形理论的大气悬浮颗粒物图像识别（论文提纲范文）
| 第1章 绪论 |
| 1.1 图像识别发展概述 |
| 1.2 研究大气悬浮颗粒物图像识别的意义 |
| 1.3 本文所做的工作 |
| 第2章 数字图像处理基础 |
| 2.1 数字图像的获取 |
| 2.2 数字图像处理的发展与应用 |
| 2.2.1 数字图像处理的定义及其发展历史 |
| 2.2.2 数字图像处理的应用 |
| 2.3 主要研究内容 |
| 2.4 基本图像类型和色彩空间 |
| 2.4.1 基本图像类型 |
| 2.4.2 应用 RGB彩色空间和 IHS彩色空间表示颜色 |
| 第3章 分形理论 |
| 3.1 分形的发展史与定义 |
| 3.1.1 分形定义 |
| 3.1.2 分形维数 |
| 3.1.3 多尺度思想 |
| 3.2 多重分形理论 |
| 3.3 图像中分形维的一般估计方法 |
| 3.3.1 计盒维法的简单实现 |
| 3.3.2 差分盒维法估计分形维数 |
| 3.3.3 频域分形维数的估计方法(Frequency Region) |
| 3.3.4 分形布朗运动模型的分形维数估计 |
| 第4章 基于数学形态学的分形维估计方法 |
| 4.1 数学形态学的基本运算 |
| 4.2 基于固定结构元的数学形态学分形维数估计方法 |
| 4.3 基于可变结构元的数学形态学分形维数估计方法 |
| 第5章 分形理论在识别中的应用及程序实现 |
| 5.1 分形理论在识别中的应用 |
| 5.2 图像预处理与识别 |
| 5.2.1 滤波去噪 |
| 5.2.2 阈值处理 |
| 5.2.3 梯度修正 |
| 5.2.4 基于分形理论的颗粒物图像识别 |
| 5.3 信息统计及程序实现 |
| 5.3.1 查找中心点 |
| 5.3.2 信息修正后统计颗粒物个数 |
| 第6章 分形与其他理论的相关研究 |
| 6.1 引言 |
| 6.2 分形与小波 |
| 6.3 分形与混沌 |
| 6.4 小结 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 攻读硕士期间参加的科研项目 |
四、基于多重分形谱的图像索引方法研究（论文参考文献）
- [1]基于尺度不变局部特征的图像检索研究[D]. 赵鸿. 华南理工大学, 2015(01)
- [2]图像处理技术在表征腐蚀钢结构表面特征中的应用[D]. 尹文博. 西安建筑科技大学, 2011(12)
- [3]高合金工具钢共晶碳化物自动分析技术研究[D]. 肖乐萍. 广东工业大学, 2008(08)
- [4]路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究[D]. 王刚. 南京理工大学, 2007(01)
- [5]基于分形与迭代的图象特征表示[D]. 于万波. 大连理工大学, 2006(03)
- [6]基于纹理特征的金相图像分类研究与实现[D]. 张轶琼. 四川大学, 2006(03)
- [7]基于分形理论的大气悬浮颗粒物图像识别[D]. 王丹青. 武汉理工大学, 2006(08)
- [8]基于多重分形谱的图像索引方法研究[J]. 于万波,魏小鹏,段姗姗,赵晶. 吉林大学学报(信息科学版), 2003(S1)