| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 选煤技术的现状和发展 | 第9-10页 |
| 1.2 图像处理与识别技术 | 第10-12页 |
| 1.2.1 图像处理技术特点 | 第10-11页 |
| 1.2.2 图像识别发展概况及其应用趋势 | 第11-12页 |
| 1.3 煤矸石识别的原理 | 第12-13页 |
| 1.4 课题的背景及研究的意义 | 第13页 |
| 1.5 课题任务和目标 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 2 小波分析理论 | 第15-26页 |
| 2.1 引言 | 第15-17页 |
| 2.2 小波和小波变换 | 第17-20页 |
| 2.2.1 小波 | 第17-18页 |
| 2.2.2 小波变换 | 第18-19页 |
| 2.2.3 连续小波变换 | 第19页 |
| 2.2.4 离散小波变换 | 第19-20页 |
| 2.3 多分辨率分析和MALLAT 算法 | 第20-24页 |
| 2.3.1 多分辨率分析 | 第20-21页 |
| 2.3.2 尺度函数和小波函数 | 第21-23页 |
| 2.3.3 Mallat 算法 | 第23-24页 |
| 2.4 小波分析在图像处理中的优势 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 小波分析在煤矸石图像处理中的应用 | 第26-56页 |
| 3.1 煤矸石图像去噪 | 第26-35页 |
| 3.1.1 图像的二维小波变换 | 第26-29页 |
| 3.1.2 小波阈值去噪方法 | 第29-33页 |
| 3.1.2.1 阈值函数的选取 | 第30-31页 |
| 3.1.2.2 阈值的估计 | 第31-33页 |
| 3.1.3 仿真试验 | 第33-35页 |
| 3.2 边缘检测 | 第35-41页 |
| 3.2.1 多尺度边缘检测 | 第36-38页 |
| 3.2.2 快速多尺度边缘检测 | 第38-39页 |
| 3.2.3 Matlab 仿真 | 第39-41页 |
| 3.3 基于小波变换的图像分割 | 第41-48页 |
| 3.3.1 煤和矸石图像的轨迹强度图 | 第41-44页 |
| 3.3.2 矸石图像的小波系数柱状图 | 第44-46页 |
| 3.3.3 图像的能量分析 | 第46-48页 |
| 3.3.4 煤矸石图像分割 | 第48页 |
| 3.4 小波变换编码 | 第48-55页 |
| 3.4.1 图像编码概述 | 第49-50页 |
| 3.4.2 EZW 嵌入式零树小波编码算法 | 第50-52页 |
| 3.4.3 EZW 算法的改进和实验 | 第52-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4 基于小波矩的煤矸石图像识别 | 第56-63页 |
| 4.1 引言 | 第56-57页 |
| 4.2 矩的概念 | 第57页 |
| 4.3 小波矩构造 | 第57-60页 |
| 4.3.1 图像归一化 | 第59页 |
| 4.3.2 特征提取 | 第59-60页 |
| 4.4 灰度比较 | 第60-62页 |
| 4.4.1 直方图 | 第60页 |
| 4.4.2 灰度比较 | 第60-62页 |
| 4.5 分类识别 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 基于SMART ARM2200 煤矸石自动分选系统开发 | 第63-71页 |
| 5.1 SMART ARM2200 硬件开发平台 | 第63-66页 |
| 5.1.1 ARM 的体系结构 | 第63页 |
| 5.1.2 Smart ARM2200 的功能 | 第63-64页 |
| 5.1.3 基于Smart ARM2200 的硬件开发 | 第64-66页 |
| 5.2 AD51.2 集成开发 | 第66-68页 |
| 5.2.1 AD51.2 开发环境 | 第66-67页 |
| 5.2.2 系统软件开发 | 第67-68页 |
| 5.3 利用JTAG 仿真器固化程序 | 第68-70页 |
| 5.3.1 JTAG 仿真器 | 第68-69页 |
| 5.3.2 片外FLASH 固化程序 | 第69-70页 |
| 5.3.3 系统测试 | 第70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 结论 | 第71-73页 |
| 6.1 主要工作 | 第71页 |
| 6.2 进一步的研究 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77-78页 |