导读:本文包含了多尺度边缘增强论文开题报告文献综述及选题提纲参考文献，主要关键词:漏磁图像,Laplacian,数学形态学,边缘颜色约束对
多尺度边缘增强论文文献综述
王竹筠,杨理践,高松巍[1]（2019）在《基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法》一文中研究指出为增强管道焊缝漏磁图像的边缘特征,提出一种基于Laplacian与多尺度数学形态学的焊缝漏磁图像边缘增强方法。首先采集管道漏磁内检测器中的漏磁数据进行成像,然后利用数学形态学算法,通过构建多尺度结构元素对图像进行边缘检测,利用边缘颜色约束对删除非边缘点,最后利用拉普拉斯算子对边缘进行增强。结果表明,该方法可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷的边缘增强,具有一定的可行性和实用性。(本文来源于《辽宁石油化工大学学报》期刊2019年05期）
冯小二,王新赛,李明明[2]（2019）在《基于多尺度形态小波变换的红外图像边缘增强算法》一文中研究指出由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。(本文来源于《电子测试》期刊2019年19期）
廖一鹏,王卫星[3]（2016）在《结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割》一文中研究指出针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。(本文来源于《光学精密工程》期刊2016年10期）
多尺度边缘增强论文开题报告
（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：
由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。
（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。
多尺度边缘增强论文参考文献
[1].王竹筠,杨理践,高松巍.基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法[J].辽宁石油化工大学学报.2019
[2].冯小二,王新赛,李明明.基于多尺度形态小波变换的红外图像边缘增强算法[J].电子测试.2019
[3].廖一鹏,王卫星.结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割[J].光学精密工程.2016