一、低强度X射线影像系统的噪声分析及图像去噪处理（论文文献综述）
杨湘粤[1]（2021）在《林业装备焊缝射线图像的检测技术研究》文中认为林业汽车起重机吊臂是林区起重机械的重要组成部分,林业起重机通过吊臂顶端的滑轮组合吊起原木、原竹、生漆、天然树脂等重物。不同的吊臂结构和技术使得起重机的性能和效率也有所不同。而吊臂的焊缝对其结构与性能有着重要的影响,良好的焊缝结构能够使起重机的工作更安全、寿命更长。因此随着起重机工作年限的增加,有必要对吊臂的焊缝进行缺陷检测,而射线图像检测技术是对焊缝进行无损检测的重要方法。射线检测有着成像快、定位准确、成本低的特点,是非常适用于对焊缝缺陷进行检测的方法。本文通过对射线原理以及焊缝缺陷图像检测等相关内容进行研究,详细阐述了对于焊缝射线图像的检测过程。文章的主体分为四个部分:预处理、射线图像重复性检测、焊缝区域分割、焊缝缺陷检测。其主要内容如下:（1）通过对已有的GDXray图像库进行整理,将其中的图像与作者实地拍摄的图像所结合,构建出一个全新的、种类更丰富的射线图像库。根据数据库中焊缝射线图像的提点,对图像进行预处理操作,其预处理流程为:灰度化、图像去噪、图像增强。预处理的目的在于提升图像质量,去除图像中的无关因子,为后续的检测环节奠定基础。（2）对文章所用的焊缝图像库进行重复性检测,检测并排除掉图像库中复制、编号篡改、重复拍摄这三种类型的重复图像。在这一环节,使用了 SVM算法与哈希算法进行检测。其中在SVM算法系统中,图像将会转化成支持向量分布在SVM空间的超平面两侧,然后通过HOG算子提取出图像的特征,最后在fitcecoc训练模型中完成对重复图像的分类。通过与哈希算法的检测进行对比发现,SVM算法有着更准确的检测效果,其综合准确率达到了 95%。（3）对图像的焊缝区域进行提取。为了提取出目标焊缝区域,文章使用了多种图像分割算法对焊缝区域进行提取,如:Roberts算法、Canny算法、Sobel算法,阈值提取法等,分析比较了每种算法的性能,最后选择阈值法作为文章的焊缝区域提取方法。（4）对焊缝图像进行缺陷检测。在这一部分使用了深度学习原理,通过神经网络模型对缺陷进行智能检测。选用了 Faster-RCNN神经网络模型作为框架,对焊缝缺陷进行检测。在这一章节详细介绍了 Faster-RCNN的模型结构以及原理。相比于传统的缺陷检测方法,Faster-RCNN神经网络检测有着更智能、检测更准确的特点,通过模型的训练结果发现,该方法对于缺陷检测的平均准确率达到了77.39%,能够有效检测出缺陷。并且通过对模型参数进行优化,该方案的准确率有了进一步的提升,最终的平均准确率达到了 80.60%。实验证明,文章所用的算法能够满足实际应用中的需要。
桑琪颛[2]（2021）在《基于深度学习的X射线材质判别系统设计与实现》文中提出相较于普通的RGB图像,X射线图像用灰度特征信息来表示X射线透过物体的衰减程度。随着对X射线图像处理技术的研究,X射线图像在医学,工业和安全检测等领域有了越来越多的应用。其中,X射线图像的材质判别是一种重要的应用方向。目前,传统的X射线图像材质判别技术主要应用在安检机和CT机上,但是其均具有体积大,重量大和成本高等不利特点。据此,本文具体做了以下工作:（1）设计了一套低成本的小型化X射线材质判别平台,其外观尺寸为85×25×35cm,重量为65kg,总价格控制在1.5W元以内,主要器件由X射线高压电源、X射线管、增感屏、旋转平台、数字CCD相机和计算机组成,能够实现物体的多角度X射线图像拍摄。（2）分析了X射线成像过程中引入的噪声,对不同噪声进行对应的去噪算法研究,并对去噪效果进行对比分析。本文最终采用自适应的中值滤波法对X射线图像中的椒盐噪声进行去除,采用半软阈值法对X射线图像中的泊松噪声进行去除,去噪后X射线图像的均方误差为6.48,峰值信噪比为40.012,优于对比算法,其图像质量更有利于后续的判别处理。（3）对传统的断层扫描法进行改进并与深度学习结合,提出了一种基于卷积神经网络和断层扫描法的X射线图像材质判别网络。利用本文所设计的小型化X射线材质判别平台自建材质数据集,并用损失函数,判别准确率与网络对比效果来验证网络的有效性。实验结果表明,该网络在本文所设计的X射线材质判别平台中达到的判别准确率为96.36%,相较于单视角的Le Net5网络提升了约9.09%,相较于单视角的Alex Net网络提升了约3.64%。（4）开发了X射线材质判别平台的系统界面,满足了文中所需功能的实现,提高了系统的可操作性。本文设计的X射线材质判别系统能够有效完成物体的材质判别功能,且其平台具有体积小,重量小和成本低的优势,满足了一些中小企业和医院对于平台小型化和低成本的使用需求,应用范围较广泛。
陈莹[3]（2019）在《基于NSCT全变差的乳腺断层图像去噪研究》文中进行了进一步梳理数字乳腺X射线断层合成成像术（Digital Breast Tomosynthesis,DBT）是一种能够实现乳腺三维断层重建的技术,可以消除重叠组织的干扰。然而,DBT图像的对比度低且含有噪声,这降低了图像的质量。因此,如何有效地对DBT图像去噪,同时保留DBT图像中组织和病变结构的边缘轮廓,对于提高DBT图像的质量起着关键作用。本文研究了全变差去噪模型和非降采样轮廓波（Nonsubsampled Contourlet,NSCT）变换方法,提出改进的全变差正则项去噪模型、改进的全变差正则项去噪模型与NSCT变换相结合的图像去噪方法,并将其应用到DBT图像的去噪中。具体包括:首先提出一种改进的各项异性全变差加权正则项（Anisotropic Total Variation Weighted Regularization,ATVWR）去噪模型。该模型根据图像中平坦和纹理等区域的特点,自适应调节全变差正则项的水平和垂直方向的权重,进而调节模型的滤波强度。改进后的模型一定程度上抑制了“阶梯效应”,能够有效地去除图像中的噪声,同时可以较好地保留图像中的纹理信息和边缘轮廓。对体模图像仿真方法进行参数改进,仿真出能够较好表示乳腺组织特征的体模。针对体模图像和实际DBT图像进行去噪实验,实验结果表明本文所提模型能够将去噪后图像的PSNR值提高1.8dB,同时可以较好地保持DBT图像中的病灶结构和纹理信息。其次提出一种NSCT变换与ATVWR模型结合的去噪算法。该算法将图像的不同方向和不同尺度上的NSCT系数作为全变差正则项,对NSCT系数使用加权正则项运算来进行最小化处理,能够有效地优化不同频率子带的信息;此外,NSCT系数可以将图像中信息成分和噪声成分分离开,从而消除全变差正则项在迭代过程中产生的“阶梯效应”,进一步保留乳腺组织的边缘,从而提高图像清晰度。实验结果证明该模型能够对DBT图像有效地去噪,同时可以很好地保留DBT图像中微小的钙化点、肿块边缘等病灶信息,相比于现有的全变差相关去噪方法,所提出的方法的PSNR值能够提高2.4dB。
王贺,母一宁,张鹏飞,张璐[4]（2018）在《基于X射线像增强器成像的相衬滤波模型》文中进行了进一步梳理对铝、黄铜、不锈钢3种金属材料制作的光栅在不同射线剂量和厚度差异的条件下进行图像采集,结合系统级的联合调制评价模型研究不同材料对X射线的调制作用,结果表明:在相同的射线剂量下,无论哪种材料的光栅,厚度差异越大成像反差越大;在厚度差异相同的情况下,随着射线剂量变化,不同材料对射线的调制能力变化趋势相差甚远。对光学调制传递函数、射线剂量和光栅厚度差异值进行三维曲线拟合,建立物质对X射线的调制模型和采集模型。在像增强器成像模型的基础上提出X射线相衬增强滤波模型,通过对薄膜基准目标源进行图像采集,在噪声环境下对其进行积分滤波处理和相衬增强处理,结果压低了图像噪声的同时也强化了目标轮廓信息,并大幅地增强X射线的成像反差。
王贺[5]（2018）在《基于X射线像增强器成像的相衬滤波模型研究》文中研究说明X射线无损检测技术是目前应用范围最广的检测手段之一,与其他无损检测手段相比具有直观性和高检出率等优点,但由于射线的产生和转换呈现出极强的量子性,并且受到物质的调制能力影响导致最终成像噪声大、对比度低,造成成像效果并不理想,使之无法适应工业科技的发展对检测精度的高要求,因此本文在像增强器成像模型基础上提出相衬滤波模型,降低了检测系统对X射线量子噪声的敏感程度,改善了X射线成像质量。首先,为了突显X射线相衬滤波模型的有效性和优越性,本文利用X射线半导体成像器件搭建了检测系统,从该系统中的各个子单元着手,分析各单元对成像分辨率的影响,并结合图像傅立叶变换对图像的噪声谱进行分析,发现成像噪声具有随机性,并且遍布于整个频谱,很难用单一的模型对该系统的成像分辨能力进行精确分析,因此本文结合光学传递函数评价原理提出了一种系统级的联合评价模型,并通过实验数据仿真验证了该评价模型的有效性。接着,从物质对射线调制能力的角度出发,分析了无损检测系统中X射线与物质的相互作用以及X射线产生成像反差的几种方式。对铝、黄铜、不锈钢三种金属材料制作的光栅在不同射线剂量和厚度差异的条件下进行图像采集,并结合系统级的联合调制评价模型探索了不同材料对X射线的调制作用,表明:在相同的射线剂量下,无论哪种材料光栅,厚度差异越大成像反差越大,而在厚度差异相同的情况下,随着射线剂量变化,不同材料对射线的调制能力变化趋势相差甚远。对成像对比度、射线剂量和光栅厚度差异值进行三维曲线拟合,建立物质对X射线的调制模型和采集模型。最后,针对X射线成像中的诸多约束瓶颈以及波前调制能力较弱等问题,从弥补单光子成像缺陷和去除噪声的角度出发,提出了X射线成像系统的积分滤波模型,并对采集到的光栅图像进行处理,通过与传统的帧叠加处理方式进行对比,验证了该滤波模型的可靠性和自身优势,又从提升被测物对X射线波前调制度角度出发,在像增强器成像模型的基础上提出X射线相衬滤波模型。对薄膜基准目标源进行图像采集,在噪声环境下对其进行积分滤波处理和相衬处理,表明:压低了图像噪声的同时也强化了目标轮廓信息的,大幅的增强了X射线的成像反差。本文在成像环境较恶劣的像增强器成像模型基础上提出相衬滤波模型,并验证了该滤波模型的优越性,为高分辨率、低噪声、高对比度的实时X射线成像检测系统的实现奠定了基础。
刘春阳,王贺,母一宁[6]（2017）在《X射线成像积分滤波模型与实验》文中进行了进一步梳理X射线数字化成像系统的不足主要表现在成像末端耦合约束、微焦点约束瓶颈以及单光子成像缺陷与量子噪声约束等方面,利用传统的数字图像处理手段很难实现有效的图像滤波,而复杂的滤波算法进一步限制了其工程使用效果。为了提高X射线成像系统的光学传递能力与系统抗噪声能力,本文首先以热激发X辐射源与X射线像增强器为例,从系统层面探索成像遇到的诸多技术瓶颈,并在此基础上提出了一种针对X射线成像的积分滤波方法。然后,将空间频率固定的铅制光栅作为被测目标,通过改变中继光学耦合系统的物像关系使得像方空间频率在一定区间内连续改变,进而通过大量的实验数据实现在不同积分时间条件下的光学传递函数精确拟合。接着,分别从光学传递函数积分效果与归一化后的基频传递特性的角度验证了该滤波方法可以有效压制热触发源引入的量子噪声,避免图像产生单光子成像缺陷。实验数据表明:该方法可以提升系统成像的光学传递能力。最后,通过帧叠加与积分滤波的对比效果验证了该滤波方法的优越性。
张玲[7]（2017）在《基于非晶硒平板探测器的静态数字乳腺断层图像采集研究》文中认为数字乳腺断层成像（digital breast tomosynthesis,DBT）是一项基于数字平板探测器的高级应用技术,是在传统体层成像基础上结合数字图像处理技术的新型体层成像技术。静态数字乳腺断层成像（stationary digital breast tomosynthesis,sDBT）系统,是一种基于多光束X射线源阵列的数字乳腺断层成像系统,采用静态电子扫描的方式实现系统的静态成像,可以有效消除X射线源转动带来的运动伪影,同时缩短扫描成像时间。基于碳纳米管阴极的X射线源具有高时间分辨、可编程控制等优势,多光束X射线源的控制是研究的重点方向。非晶硒数字平板探测器属于直接转换型数字探测器,直接将X射线转换为电信号,具有极高的成像分辨率,足以满足乳腺成像的要求。本文基于AXS-2430非晶硒平板探测器进行静态数字乳腺断层成像系统的图像采集软件开发和图像预处理研究。在Visual Studio 2010软件平台下,利用MFC进行平板探测器的图像采集软件开发,同时设计了针对阵列式多光束碳纳米X射线源的脉冲参数控制软件及相应的控制电路,进行乳腺模体图像采集实验,研究了图像的预处理方法,及实验结果分析。本文主要研究了以下内容:（1）介绍和分析了数字平板探测器的结构和成像原理、碳纳米管X射线源工作原理及静态数字乳腺CT（s-DBT）系统的成像原理。分析目前商用的平板探测器的性能,选用非晶硒平板探测器作为成像媒介。（2）基于MFC和OpenCV完成了探测器图像采集软件和脉冲参数控制软件的开发,并将二者进行集成,实现了图像的采集、存储和实时显示的功能。采用线对卡对探测器分辨率进行初步测试和分析,验证了探测器的成像性能。（3）基于FPGA最小系统设计了阵列式X射线源脉冲控制电路,并结合脉冲参数控制软件进行控制效果测试,实验结果表明,控制电路达到了设计要求。（4）基于实验成像数据初步对投影图像进行了图像预处理研究,包括图像校正、调窗及DICOM转换等,对比分析了不同校正方法的去噪效果,设计出了较为完善的校正算法。
杨航[8]（2017）在《基于X射线检测技术谷类农作物在线虫害检测识别研究》文中进行了进一步梳理谷类农作物是人类赖以生存碳水化合物的主要来源,人们熟知的水稻、玉米、小麦、高粱等就是全球最重要的谷类粮食作物。近年来,由于几场重大病虫害的影响,使我国的谷类农作物粮食产量和质量在不同程度上出现了降低,同时因为对病虫害的分布及其强度的检测不够准确而导致大量农业化学制剂被使用,这使得食品安全问题变得越加严峻。因此,为了能够及时并实时的掌握谷类农作物的病虫害情况,为农业专家提供准确的病虫害数据,并为病虫害的防治提供依据,采用X射线对谷类农作物内部虫害进行检测识别具有重要意义,这为农业病虫害的防治提供了全新的手段和科学依据,这方面的研究在国内尚属首创。本文通过设计的一种可以在农田中行走的直线检测机械人,结合X射线检测技术,对谷类农作物,如玉米、水稻、小麦秸秆类等进行透照成像,并通过成像系统将透照图像传输到计算机进行图像处理,最终达到虫害识别的目的。本文主要进行了三个方面的研究,一是设计了一种在线检测机械人,该机械人为成像系统和图像处理系统提供平台;二是搭建检测成像系统,通过对比几种数字成像系统,最终选择适于本文的基于线阵列探测器的成像系统;三是研究了图像处理算法,通过分析采集到的图像的特点和研究多种图像处理算法的原理,对比实际应用效果,最后得出适于本文的图像处理方法,即通过线性灰度变换增强图像的对比度,对灰度变换后的图像进行Laplacian算子锐化使内部虫害信息变得更直观,应用小波二层去噪对灰度变换后的图像进行去噪,对去噪后的图像进行边缘检测,通过实验得出,Canny算子边缘检测适于秆内部信息较少的虫害检测,基于形态学的边缘检测适于秆内部信息较多的虫害检测,小波模极大值边缘检测在整体上占有优势,并通过实验得出适于本文的小波模极大值边缘检测的有效尺度范围和阈值区间。
谢剑河[9]（2016）在《基于学习的微聚焦X射线图像稀疏重建方法》文中进行了进一步梳理高精密工业CT技术是当前集成电路、电网绝缘子、航空器件等高性能精密零器件生产制造过程中的重要缺陷检测手段。高精密工业CT要求高分辨率的成像技术,因此一般采用焦斑尺寸达微米级的X射线成像技术,即微聚焦X射线成像技术。然而,相比一般图像,微聚焦X射线图像包含复杂的混合噪声、整体对比度低、信噪比低,当前常用的图像重建算法主要集中于单一噪声模型的研究,并不适用于微聚焦X射线图像。基于学习的稀疏重建方法通过恢复图像稀疏性来实现图像有效重建的目的,同时提高图像的信噪比,相比其它传统图像重建方法,更适用于微聚焦X射线图像这种天然具有稀疏性的对象。本文针对微聚焦X射线图像的特点,建立泊松高斯混合噪声模型,并基于稀疏表示理论,对泊松高斯混合噪声模型下基于学习的稀疏重建方法展开研究。本文的主要工作如下:（1）依据混合噪声下图像稀疏重建的目标函数,建立数据保真项和稀疏约束项相分离的稀疏重建目标函数,提出了K-SVD字典学习和TV正则化相结合的稀疏重建方法。该方法通过分析微聚焦X射线成像过程,建立泊松高斯混合噪声假设下的稀疏重建目标函数,提出K-SVD字典学习和TV正则化相结合的稀疏重建方法,通过自适应调整保真项系数,交替使用两个算法进行稀疏重建。实验验证了泊松高斯混合噪声模型的正确性和本算法重建结果的优越性。（2）依据混合噪声下图像稀疏重建的目标函数,建立数据保真项和稀疏约束项相融合的稀疏重建目标函数,提出基于数据项和稀疏项相融合的字典学习稀疏重建方法。该方法使用指数图像形式表示图像,利用块聚类算法减少字典学习运算量,提出基于数据项和稀疏项相融合的贪婪算法进行稀疏分解,并将字典更新转化为最优化问题进行求解。实验证明了与常用的图像重建算法相比,本算法在强烈泊松高斯混合噪声环境下的稀疏重建结果有比较自然的细节特征,以及较好的噪声适应性。
陈锡磷[10]（2016）在《混合噪声模型下TV正则化去噪方法优化》文中指出全变分（Total Variation,TV）正则化去噪方法能够在去除图像噪声的同时,保护图像的边缘和细节不受损失,是许多学者在图像去噪领域中的研究重点。该方法以前主要用于单一噪声如高斯噪声、泊松噪声去噪,近些年来,开始有学者将该方法用于混合噪声去噪并取得不错的去噪效果。然而,许多全变分正则化去噪方法在进行求解特别是处理混合噪声时,涉及偏微分方程计算,需要进行迭代,计算量大,收敛速度较慢,效率不高,难以应用于对算法速度性能要求较高的场合。因此,本文围绕着混合噪声模型下的全变分正则化去噪方法,对其求解过程进行速度优化,主要工作内容如下:（1）针对高分辨率图像因数据量大导致单次迭代过程计算量大的特点,提出了基于多分辨率的优化方法。该方法将迭代求解过程分解为多个迭代环节,通过高斯金子塔和拉普拉斯金字塔获取含噪图像下的多分辨图像和边缘图像,在初始迭代环节对低分辨率图像进行快速求解,在后续迭代环节对高分辨率图像采用插值算法、拉普拉斯图像叠加方式保护图像边缘信息。实验结果证明了基于多分辨的优化方法与未优化的梯度下降法相比,在保证图像去噪效果的同时,时间性能提升一倍以上。（2）从高斯-泊松混合噪声模型下全变分正则化目标函数中泊松噪声项和高斯噪声项两项分离求解从而提高收敛速度的角度进行考虑,提出了基于Split Bregman的优化方法。该方法通过算子分裂思想和Bregman迭代,实现对泊松项和高斯项分离处理并快速求解,同时在迭代过程中使用Shrink算子和Gauss-Seidel方法降低计算复杂度。实验证明了该优化方法与拟牛顿法等方法相比,其去噪图像具有更高的峰值信噪比,并且能够在更短时间内快速收敛求解。
二、低强度X射线影像系统的噪声分析及图像去噪处理（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、低强度X射线影像系统的噪声分析及图像去噪处理（论文提纲范文）
（1）林业装备焊缝射线图像的检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 射线检测技术概述 |
| 1.3 国内外发展研究发展概况及现状 |
| 1.3.1 焊缝图像重复性检测研究现状 |
| 1.3.2 焊缝缺陷检测研究现状 |
| 1.4 课题研究的内容及意义 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究意义 |
| 第2章: 射线图像数据库建立及图像预处理 |
| 2.1 射线成像检测概述 |
| 2.2 射线图像数据库建立 |
| 2.2.1 数据集组成 |
| 2.2.2 数据集的类别划分 |
| 2.3 图像数据预处理流程 |
| 2.4 图像灰度化处理 |
| 2.5 图像去噪 |
| 2.5.1 图像的噪声模型 |
| 2.5.2 噪声的去除 |
| 2.5.3 均值滤波 |
| 2.5.4 顺序统计滤波 |
| 2.5.5 自适应滤波 |
| 2.6 图像增强技术 |
| 2.6.1 灰度变换增强 |
| 2.6.2 直方图增强 |
| 2.7 本章小结 |
| 第3章 焊缝图像的重复性检测 |
| 3.1 引言 |
| 3.2 重复性检测图像数据库的建立 |
| 3.3 SVM支持向量机算法 |
| 3.3.1 支持向量与超平面 |
| 3.3.2 最大间隔的优化模型 |
| 3.3.3 松弛变量 |
| 3.3.4 核函数 |
| 3.4 SVM算法图像重复性检测 |
| 3.4.1 HOG特征提取 |
| 3.4.2 SVM分类训练 |
| 3.4.3 SVM检测与结果分析 |
| 3.5 差异哈希算法 |
| 3.5.1 算法原理 |
| 3.5.2 差异哈希算法检测与对比分析 |
| 3.6 算法对比分析 |
| 3.7 可视化GUI界面的编写 |
| 3.8 本章小结 |
| 第4章 焊缝区域检测与提取 |
| 4.1 引言 |
| 4.2 边缘分割提取 |
| 4.2.1 Roberts算子提取 |
| 4.2.2 Prewitt算子与Sobel提取 |
| 4.2.3 Canny算子提取 |
| 4.3 阈值分割提取 |
| 4.3.1 全局阈值法提取 |
| 4.3.2 Otsu阈值分割提取 |
| 4.3.3 迭代式阈值分割提取 |
| 4.4 区域分割提取 |
| 4.5 本章小结 |
| 第5章 基于神经网络的焊缝缺陷检测 |
| 5.1 引言 |
| 5.2 常见的焊缝缺陷种类 |
| 5.3 深度学习理论基础 |
| 5.3.1 TensorFlow框架及特点 |
| 5.3.2 Faster-RCNN模型与Tensorflow的关系 |
| 5.3.3 Faster-RCNN神经网络的结构 |
| 5.4 基于Faster-RCNN的焊缝缺陷检测 |
| 5.4.1 训练集和测试集的构建 |
| 5.4.2 训练图像的标注 |
| 5.4.3 模型训练与测试 |
| 5.5 Faster-RCNN算法模型优化 |
| 5.5.1 问题分析 |
| 5.5.2 改进方案 |
| 5.5.3 缺陷检测与结果分析 |
| 5.5.4 实验结果对比 |
| 5.5.5 检测准确率优化 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 学术论文 |
| 专利 |
| 致谢 |
（2）基于深度学习的X射线材质判别系统设计与实现（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 X射线成像技术发展现状 |
| 1.2.1 胶片成像技术 |
| 1.2.2 计算机X射线成像技术 |
| 1.2.3 数字X射线成像技术 |
| 1.3 材质判别技术研究现状 |
| 1.3.1 X射线图像材质判别技术研究现状 |
| 1.3.2 深度学习材质判别技术研究现状 |
| 1.4 本文主要内容及安排 |
| 第2章 X射线性质与材质判别技术原理 |
| 2.1 X射线的性质 |
| 2.2 X射线与物质的相互作用 |
| 2.2.1 光电效应 |
| 2.2.2 康普顿散射效应 |
| 2.2.3 电子对效应 |
| 2.3 X射线的线性衰减 |
| 2.4 X射线材质判别技术原理 |
| 2.4.1 单能X射线判别技术 |
| 2.4.2 双能X射线判别技术 |
| 2.4.3 多视角X射线判别技术 |
| 2.4.4 断层扫描法 |
| 2.4.5 判别技术优缺点对比 |
| 2.5 本章小结 |
| 第3章 X射线材质判别平台实现 |
| 3.1 平台的主要器件介绍 |
| 3.1.1 X射线管 |
| 3.1.2 X射线高压电源 |
| 3.1.3 X射线增感屏 |
| 3.1.4 旋转平台 |
| 3.1.5 数字CCD相机 |
| 3.2 平台的系统界面与功能介绍 |
| 3.2.1 系统功能介绍 |
| 3.2.2 平台系统界面 |
| 3.3 本章小结 |
| 第4章 系统的X射线图像去噪研究 |
| 4.1 椒盐噪声及其去除方法 |
| 4.2 泊松噪声及其去除方法 |
| 4.3 本章小结 |
| 第5章 基于CNN和断层扫描法的材质判别算法研究 |
| 5.1 卷积神经网络 |
| 5.1.1 卷积层 |
| 5.1.2 池化层 |
| 5.1.3 全连接层 |
| 5.2 基于CNN和断层扫描法的材质判别算法 |
| 5.3 实验设置和结果分析 |
| 5.3.1 实验设置 |
| 5.3.2 结果分析 |
| 5.4 基于CNN和断层扫描法的材质判别算法测试 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本论文的工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）基于NSCT全变差的乳腺断层图像去噪研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 DBT图像去噪方法研究现状 |
| 1.2.2 多尺度几何分析国内外发展现状 |
| 1.3 论文的结构与创新点 |
| 1.3.1 论文结构 |
| 1.3.2 论文创新成果 |
| 2 DBT图像去噪相关理论 |
| 2.1 DBT图像成像原理 |
| 2.1.1 DBT成像设备 |
| 2.1.2 DBT成像原理 |
| 2.2 DBT图像中噪声的来源 |
| 2.3 DBT图像数学模型建模及体模图像仿真 |
| 2.3.1 DBT图像数学模型建模 |
| 2.3.2 乳腺断层体模图像仿真 |
| 2.3.3 X射线剂量与噪声的关系 |
| 2.3.4 Anscombe变换 |
| 2.4 DBT图像去噪算法的性能评价标准 |
| 2.5 本章小结 |
| 3 基于改进的全变差方法的图像去噪 |
| 3.1 图像去噪相关的算法 |
| 3.1.1 空间域去噪相关算法 |
| 3.1.2 变换域去噪相关算法 |
| 3.2 改进的全变差正则项去噪模型 |
| 3.2.1 标准的全变差正则项去噪模型 |
| 3.2.2 改进的全变差加权正则项去噪模型 |
| 3.2.3 基于Split Bregman算法的模型求解 |
| 3.3 实验仿真及结果 |
| 3.3.1 参数对模型的影响 |
| 3.3.2 与其他去噪算法的结果比较 |
| 3.4 本章小结 |
| 4 NSCT变换与改进的全变差联合的图像去噪 |
| 4.1 NSCT变换 |
| 4.1.1 NSCT变换原理 |
| 4.1.2 非降采样金字塔滤波器组 |
| 4.1.3 非降采样方向滤波器组 |
| 4.1.4 NSCT变换实例 |
| 4.2 NSCT与各向异性全变差加权正则项模型联合的去噪算法 |
| 4.2.1 建模的前提条件 |
| 4.2.2 NSCT变换与ATVWR联合的去噪模型 |
| 4.3 实验及结果 |
| 4.3.1 不同NSCT滤波器下的去噪结果 |
| 4.3.2 与其他去噪算法的结果比较 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于X射线像增强器成像的相衬滤波模型（论文提纲范文）
| 1 引言 |
| 2 X射线波前的调制约束实验 |
| 3 X射线相衬滤波实验 |
| 4 结论 |
（5）基于X射线像增强器成像的相衬滤波模型研究（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 国内外发展现状 |
| 1.3 本文主要研究内容 |
| 1.4 本章小结 |
| 第二章 X射线成像质量影响因素及噪声谱分析 |
| 2.1 X射线成像模型分析 |
| 2.2 射线约束 |
| 2.3 光学空间传递约束分析 |
| 2.4 噪声约束分析 |
| 2.5 联合评价方法的研究 |
| 2.6 本章小结 |
| 第三章 不同金属材料对X射线的调制作用 |
| 3.1 X射线与物质相互作用 |
| 3.2 成像反差 |
| 3.3 不同材料对X射线的调制实验 |
| 3.4 本章小结 |
| 第四章 X射线成像的相衬滤波模型 |
| 4.1 积分滤波模型与实验分析 |
| 4.2 薄膜基准源的制作 |
| 4.3 X射线相衬滤波模型实验与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 本文创新点 |
| 5.3 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 攻读硕士学位期间参与的科研项目 |
| 攻读硕士学位期间参与申请吉林省科学技术进步奖 |
（6）X射线成像积分滤波模型与实验（论文提纲范文）
| 1 引言 |
| 2 X射线成像特性分析 |
| 2.1 成像模型分析 |
| 2.2 成像末端耦合约束分析 |
| 3 射线源约束瓶颈分析 |
| 3.1 焦点约束瓶颈 |
| 3.2 噪声约束分析 |
| 4 积分滤波模型与实验分析 |
| 4.1 积分滤波模型 |
| 4.2 实验原理与过程分析 |
| 4.3 实验结果 |
| 5 结论 |
（7）基于非晶硒平板探测器的静态数字乳腺断层图像采集研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究目标及主要内容 |
| 1.4 本文结构 |
| 2 静态数字乳腺CT成像原理 |
| 2.1 数字平板探测器 |
| 2.2 碳纳米管X射线源 |
| 2.3 静态数字乳腺CT成像原理 |
| 2.4 本章小结 |
| 3 探测器图像采集软件开发 |
| 3.1 探测器工作原理及时序分析 |
| 3.1.1 Pegasus AXS-2430 探测器介绍 |
| 3.1.2 AXS-2430 平板探测器的结构及原理 |
| 3.1.3 探测器同步触发工作原理 |
| 3.1.4 X射线源的照射方式 |
| 3.2 基于MFC的探测器图像采集软件开发 |
| 3.2.1 平板探测器软件功能分析 |
| 3.2.2 平板探测器采集软件设计 |
| 3.3 阵列式X射线源脉冲参数控制软件开发 |
| 3.3.1 软件需求分析 |
| 3.3.2 通信方式选择与实现 |
| 3.3.3 脉冲参数控制软件界面设计与开发 |
| 3.4 软件集成开发 |
| 3.5 探测器初步测试 |
| 3.5.1 探测器实验平台 |
| 3.5.2 探测器图像采集实验 |
| 3.5.3 线对卡成像实验 |
| 3.6 本章小结 |
| 4 多光束X射线源控制电路设计 |
| 4.1 碳纳米X射线源场致发射原理 |
| 4.2 总体控制方案设计 |
| 4.3 控制电路设计 |
| 4.3.1 RS232通讯模块电路设计 |
| 4.3.2 光电隔离驱动模块设计 |
| 4.3.3 高速IGBT开关模块设计 |
| 4.4 实验测试及结果分析 |
| 4.5 本章小结 |
| 5 图像预处理 |
| 5.1 CT图像介绍 |
| 5.2 图像校正 |
| 5.2.1 单幅图像暗场校正 |
| 5.2.2 均值暗场校正 |
| 5.2.3 光场校正 |
| 5.3 窗宽窗位调节 |
| 5.3.1 窗宽和窗位简介 |
| 5.3.2 调窗算法实现 |
| 5.4 DICOM转换 |
| 5.4.1 DICOM标准简介 |
| 5.4.2 DICOM文件格式 |
| 5.4.3 源数据的转换处理 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（8）基于X射线检测技术谷类农作物在线虫害检测识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景和研究意义 |
| 1.2 谷类农作物病虫害检测发展现状 |
| 1.2.1 现有的谷类农作物虫害检测技术 |
| 1.2.2 X射线技术在农产品检测中的应用 |
| 1.3 本文主要研究内容 |
| 第2章 谷类农作物在线虫害检测机械人设计 |
| 2.1 针对水田、旱田环境检测机械人结构设计 |
| 2.1.1 水田检测机械人结构设计 |
| 2.1.2 旱田检测机械人结构设计 |
| 2.2 谷类农作物在线病虫害检测机械人(水、旱田)执行机构设计 |
| 2.2.1 X射线-探测器升降机构设计 |
| 2.2.2 宽度调节机构设计 |
| 2.2.3 前后伸缩机构设计 |
| 2.2.4 行走驱动机构设计 |
| 2.2.5 水、旱田检测机构的特殊设计部分 |
| 2.2.6 检测仪防倾翻机构设计 |
| 2.3 本章小结 |
| 第3章 X射线源技术应用和成像系统搭建 |
| 3.1 X射线检测技术理论基础 |
| 3.1.1 X射线的本质 |
| 3.1.2 X射线检测概述 |
| 3.1.3 X射线的产生 |
| 3.1.4 X射线的特点与性质 |
| 3.2 X射线的透射和散射 |
| 3.3 X射线检测设备与成像系统 |
| 3.3.1 X射线源的选择及其技术参数 |
| 3.3.2 基于探测器的X射线成像系统 |
| 3.4 本章小结 |
| 第4章 病虫害检测机械人实验应用研究 |
| 4.1 图像的采集 |
| 4.2 图像处理概述 |
| 4.3 图像增强技术 |
| 4.3.1 灰度变换 |
| 4.3.2 直方图修正 |
| 4.3.3 基于锐化处理的图像增强 |
| 4.4 图像的滤波处理 |
| 4.4.1 图像退化的原因及退化模型 |
| 4.4.2 图像滤波方法研究 |
| 4.5 本章小结 |
| 第5章 虫害图像边缘检测与实验结果 |
| 5.1 边缘检测 |
| 5.1.1 典型的边缘检测算子 |
| 5.1.2 基于Canny算子的边缘检测 |
| 5.1.3 基于形态学膨胀与腐蚀的边缘检测 |
| 5.1.4 小波模极大值边缘检测 |
| 5.2 实验结果比较与验证 |
| 5.2.1 单样本多方法边缘检测 |
| 5.2.2 多样本边缘检测实验结果 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（9）基于学习的微聚焦X射线图像稀疏重建方法（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 |
| 1.3 本文研究内容及章节安排 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的章节安排 |
| 第二章 微聚集X射线图像稀疏重建基础 |
| 2.1 微聚集X射线图像特点 |
| 2.1.1 微聚集X射线成像特点 |
| 2.1.2 微聚集X射线图像噪声模型 |
| 2.1.3 基于正则化的图像重建目标函数 |
| 2.2 稀疏表示和字典学习基本理论 |
| 2.2.1 稀疏表示 |
| 2.2.2 稀疏分解算法 |
| 2.2.3 字典更新算法 |
| 2.3 本章小结 |
| 第三章 基于K-SVD字典学习和全变分正则化的稀疏重建方法 |
| 3.1 数据保真项和稀疏约束项相分离的稀疏重建目标函数 |
| 3.2 基于K-SVD字典学习和全变分正则化的稀疏重建方法 |
| 3.2.1 稀疏求解和字典更新 |
| 3.2.2 全变分正则化求解方法 |
| 3.2.3 保真项系数自适应方法 |
| 3.2.4 算法整体流程 |
| 3.3 实验及结果分析 |
| 3.3.1 实验设计 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第四章 基于数据保真项与稀疏约束项相融合的字典学习稀疏重建方法 |
| 4.1 保真项和约束项相融合的稀疏重建目标函数 |
| 4.2 基于学习的稀疏重建方法的改进算法 |
| 4.2.1 块聚类 |
| 4.2.2 稀疏求解和字典更新 |
| 4.2.3 算法整体框架 |
| 4.3 实验结果及分析 |
| 4.3.1 实验设计 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 读硕士期间取得的研究成果 |
| 致谢 |
| 答辩委员会对论文的评定意见 |
（10）混合噪声模型下TV正则化去噪方法优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容与章节安排 |
| 1.3.1 本文研究内容与创新点 |
| 1.3.2 本文章节安排 |
| 第二章 全变分正则化去噪基础 |
| 2.1 常用图像去噪方法 |
| 2.2 全变分正则化去噪方法 |
| 2.3 全变分正则化去噪目标函数求解方法 |
| 2.3.1 梯度下降法 |
| 2.3.2 延迟固定点迭代法 |
| 2.3.3 主对偶牛顿法 |
| 2.3.4 半隐式梯度下降法 |
| 2.4 混合噪声模型下全变分正则化去噪 |
| 2.4.1 高斯-泊松混合噪声模型下全变分正则化目标函数 |
| 2.4.2 高斯-泊松混合噪声模型下全变分正则化求解 |
| 2.5 本章小结 |
| 第三章 基于多分辨率的全变分去噪正则化方法优化 |
| 3.1 引言 |
| 3.2 基于多分辨的迭代求解过程 |
| 3.2.1 多分辨率图像构建 |
| 3.2.2 各迭代环节初值确定 |
| 3.2.3 基于多分辨率的优化方法算法流程 |
| 3.4 实验结果和分析 |
| 3.5 本章小结 |
| 第四章 基于Split Bregman的全变分正则化去噪方法优化 |
| 4.1 引言 |
| 4.2 Split Bregman方法 |
| 4.2.1 Bregman距离 |
| 4.2.2 Bregman迭代方法 |
| 4.2.3 Split Bregman方法 |
| 4.3 Split Bregman方法用于混合噪声全变分正则化去噪 |
| 4.4 实验结果和分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、低强度X射线影像系统的噪声分析及图像去噪处理（论文参考文献）
- [1]林业装备焊缝射线图像的检测技术研究[D]. 杨湘粤. 中南林业科技大学, 2021
- [2]基于深度学习的X射线材质判别系统设计与实现[D]. 桑琪颛. 杭州电子科技大学, 2021
- [3]基于NSCT全变差的乳腺断层图像去噪研究[D]. 陈莹. 北京交通大学, 2019(01)
- [4]基于X射线像增强器成像的相衬滤波模型[J]. 王贺,母一宁,张鹏飞,张璐. 计量学报, 2018(06)
- [5]基于X射线像增强器成像的相衬滤波模型研究[D]. 王贺. 长春理工大学, 2018(01)
- [6]X射线成像积分滤波模型与实验[J]. 刘春阳,王贺,母一宁. 发光学报, 2017(07)
- [7]基于非晶硒平板探测器的静态数字乳腺断层图像采集研究[D]. 张玲. 重庆理工大学, 2017(02)
- [8]基于X射线检测技术谷类农作物在线虫害检测识别研究[D]. 杨航. 东北大学, 2017(06)
- [9]基于学习的微聚焦X射线图像稀疏重建方法[D]. 谢剑河. 华南理工大学, 2016(02)
- [10]混合噪声模型下TV正则化去噪方法优化[D]. 陈锡磷. 华南理工大学, 2016(02)