摘要 | 第1-7页 |
Abstract | 第7-14页 |
第一章 引言 | 第14-26页 |
·课题背景及研究意义 | 第14-19页 |
·选题背景 | 第14-17页 |
·选题研究意义 | 第17-19页 |
·国内外研究现状 | 第19-20页 |
·国内外应用现状及当前存在的问题 | 第20-22页 |
·本研究与已有煤岩识别研究比较 | 第22页 |
·本论文的主要研究内容 | 第22-24页 |
·本论文创新点 | 第24-26页 |
第二章 图像处理煤矿应用及煤岩识别图像处理可行性分析 | 第26-40页 |
·数字图像处理的基本原理 | 第26页 |
·针对工作面环境对煤矿工作面的图像优化处理 | 第26-32页 |
·针对工作面环境应用的一种改进型的图像直方图均衡优化 | 第27-30页 |
·工作面图像降噪优化 | 第30-32页 |
·图像处理在煤矿工作面的基础煤岩识别应用 | 第32-38页 |
·基于边缘检测法的煤岩分析 | 第32-34页 |
·基于改进型的双灰度阈值法的煤岩分界研究 | 第34-38页 |
·应用数字图像处理解决工作面煤岩界面识别的可行性分析 | 第38页 |
·本章小结 | 第38-40页 |
第三章 煤矿工作面煤岩识别总体技术路线 | 第40-52页 |
·系统总体设计方案 | 第40-42页 |
·煤岩识别图像处理系统详细设计 | 第42-48页 |
·煤岩识别图像采集装置系统布置方案 | 第42-45页 |
·图像采集装置图像有效性判断及图像优化 | 第45-47页 |
·图像处理软件流程图 | 第47-48页 |
·采煤机控制系统流程 | 第48-49页 |
·本研究在滚筒截煤过程中的适用性及可行性分析 | 第49-51页 |
·本章小结 | 第51-52页 |
第四章 基于聚类分析的煤岩识别研究 | 第52-94页 |
·聚类理论基础 | 第52-53页 |
·基于K-means的聚类煤岩识别分析 | 第53-56页 |
·K-means的基本原理 | 第53-55页 |
·在本研究中应用K-means的缺陷 | 第55-56页 |
·针对煤矿工作面情况改进的训练样本提取 | 第56-67页 |
·基于聚类的煤岩识别改进总体方案 | 第56-58页 |
·基于灰度共生矩阵的原始图像纹理分析 | 第58-63页 |
·基于灰度共生矩阵的煤岩特征分析 | 第63-65页 |
·一种基于区域生长的煤岩识别支架背景提取 | 第65-67页 |
·基于改进的高斯混合聚类的煤岩识别技术研究 | 第67-85页 |
·高斯混合聚类基本原理及参数估计 | 第67-69页 |
·煤岩图像聚类中心灰度估计 | 第69-70页 |
·聚类中心煤岩灰度的“相似性”度量 | 第70-71页 |
·工作面煤岩图像“亮点噪声”分析及处理 | 第71-73页 |
·实验室样本数据分析 | 第73-74页 |
·增加辅助信息的煤岩识别模型优化 | 第74-84页 |
·半监督型高斯混合聚类煤岩识别研究 | 第84-85页 |
·基于支持向量机的煤岩识别研究 | 第85-90页 |
·选择支持向量机的原因 | 第85-86页 |
·支持向量机的理论 | 第86-88页 |
·支持向量机的煤岩识别分类研究 | 第88-90页 |
·支持向量机的优缺点 | 第90页 |
·支持向量机和半监督型高斯混合模型的融合 | 第90-91页 |
·小结 | 第91-94页 |
第五章 工作面煤岩数据整合及建模 | 第94-108页 |
·煤岩识别后期处理综述 | 第94页 |
·煤岩识别数据整合 | 第94-99页 |
·针对工作面煤岩界面识别图像具体情况的改进型配准 | 第96-98页 |
·工作面煤岩界面识别图像融合 | 第98-99页 |
·工作面煤岩分界二维模型的建立 | 第99-104页 |
·根据图像实际高度测算 | 第99-102页 |
·根据模拟高度建立简易模型 | 第102-103页 |
·不同距离、角度的解决方案 | 第103-104页 |
·实验室数据 | 第104-107页 |
·本章小结 | 第107-108页 |
第六章 工作面实验数据及时间复杂度分析 | 第108-128页 |
·实验室样本数据处理分析 | 第108-109页 |
·工作面实际数据处理及数据分析 | 第109-124页 |
·工作面煤岩识别处理 | 第110-122页 |
·工作面煤壁数据整合及二维模型 | 第122-124页 |
·煤岩识别时间复杂度分析 | 第124-126页 |
·本章小结 | 第126-128页 |
第七章 结论与展望 | 第128-132页 |
·结论及创新点 | 第128-129页 |
·主要研究结论 | 第128-129页 |
·创新点 | 第129页 |
·本研究与常规煤岩识别研究对比 | 第129页 |
·展望 | 第129-132页 |
参考文献 | 第132-138页 |
致谢 | 第138-140页 |
作者简介 | 第140页 |