基于图像处理及模糊C均值聚类的烧结矿FeO含量实时检测系统的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-14页 |
| ·选题背景 | 第9页 |
| ·当前研究现状 | 第9-12页 |
| ·直接观察法 | 第10页 |
| ·分析化验法 | 第10页 |
| ·烧结废气监测分析法 | 第10页 |
| ·磁导率检测法 | 第10-11页 |
| ·试验室模拟试验法 | 第11页 |
| ·X射线分析法 | 第11页 |
| ·参数智能分析法 | 第11-12页 |
| ·论文研究思路 | 第12-13页 |
| ·论文创新点 | 第13-14页 |
| 第二章 特征选择理论 | 第14-19页 |
| ·特征选择理论 | 第14-15页 |
| ·特征选择理论简单介绍 | 第14页 |
| ·特征选择基本任务 | 第14页 |
| ·良好的特征集 | 第14-15页 |
| ·断面图像特征描述 | 第15-18页 |
| ·红火层高度 | 第15-16页 |
| ·红火层的面积 | 第16-17页 |
| ·红火层的平均亮度 | 第17页 |
| ·气孔层和红火层的面积比 | 第17-18页 |
| ·机尾图像有效特征的选取 | 第18页 |
| ·本章总结 | 第18-19页 |
| 第三章 系统结构设计 | 第19-28页 |
| ·硬件设计 | 第19-21页 |
| ·CCD摄像机的选择 | 第19-20页 |
| ·选取相机镜头 | 第20页 |
| ·选择图像采集卡 | 第20页 |
| ·其它系统硬件配置 | 第20-21页 |
| ·软件结构 | 第21-23页 |
| ·系统流程图 | 第23-24页 |
| ·各组件功能介绍 | 第24-25页 |
| ·双CCD图像获取模块 | 第24页 |
| ·图像特征提取模块 | 第24-25页 |
| ·模糊聚类和神经网络模块 | 第25页 |
| ·反馈信号传递 | 第25页 |
| ·系统的具体实施 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 机尾图像自动获取 | 第28-39页 |
| ·烧结过程介绍 | 第28-29页 |
| ·机尾图像预处理 | 第29-34页 |
| ·近红外图像 | 第29页 |
| ·图像处理简介 | 第29-30页 |
| ·图像的表达 | 第30-31页 |
| ·机尾图像的灰度化 | 第31-32页 |
| ·机尾断面图像的预处理 | 第32-34页 |
| ·自动获取稳定的机尾断面图像 | 第34-35页 |
| ·自动获取图像的意义 | 第34页 |
| ·自动获取图像的必要性与可行性 | 第34页 |
| ·自动图像获取的方法 | 第34-35页 |
| ·图像获取的结果分析 | 第35页 |
| ·创建违例图像库 | 第35-37页 |
| ·特例图像的初步筛选 | 第35-37页 |
| ·违例图像库的创建 | 第37页 |
| ·实时预报的重要性 | 第37页 |
| ·生产过程监控 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 模型建立与结果分析 | 第39-52页 |
| ·实时预测的原理 | 第39-40页 |
| ·FCM算法 | 第40-43页 |
| ·FCM简介 | 第40-41页 |
| ·FCM算法思想 | 第41页 |
| ·目标函数的聚类 | 第41-42页 |
| ·算法的实现步骤 | 第42-43页 |
| ·图像特征的聚类分析 | 第43页 |
| ·BP神经网络模型 | 第43-46页 |
| ·BP神经网络简介 | 第43-44页 |
| ·BP神经网络模型 | 第44页 |
| ·BP神经网络算法分析 | 第44-46页 |
| ·BP神经网络算法实现 | 第46页 |
| ·系统结果分析 | 第46-51页 |
| ·经验结果分析 | 第46-47页 |
| ·系统拟合结果分析 | 第47-48页 |
| ·化验结果分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表的学术论文 | 第57页 |
