| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 包裹体显微分析研究现状 | 第11页 |
| 1.2.2 图像处理在地质学中的研究现状 | 第11-12页 |
| 1.2.3 图像拼接研究现状 | 第12-13页 |
| 1.2.4 视频中的运动目标检测发展现状 | 第13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构与章节安排 | 第14-15页 |
| 第2章 包裹体显微自动分析的原理 | 第15-21页 |
| 2.1 包裹体显微自动分析的实现原理 | 第15-18页 |
| 2.1.1 包裹体显微自动分析系统的流程图 | 第15-16页 |
| 2.1.2 包裹体运动特征分析 | 第16-17页 |
| 2.1.3 岩石薄片样本显微图像的特点分析 | 第17-18页 |
| 2.2 图像处理相关基础知识介绍 | 第18-21页 |
| 2.2.1 OpenCV简要介绍 | 第18页 |
| 2.2.2 OpenCV常用图像处理函数 | 第18-21页 |
| 第3章 包裹体在显微图像中的运动检测算法研究 | 第21-28页 |
| 3.1 图像预处理 | 第21-24页 |
| 3.1.1 噪声的定义和来源 | 第21-22页 |
| 3.1.2 常用的图像滤波方法 | 第22-23页 |
| 3.1.3 灰度转换 | 第23-24页 |
| 3.2 运动检测原理 | 第24-27页 |
| 3.2.1 光流法 | 第24-25页 |
| 3.2.2 帧间差分法 | 第25页 |
| 3.2.3 背景差分法 | 第25-26页 |
| 3.2.4 图像二值化处理 | 第26页 |
| 3.2.5 阈值的选择 | 第26-27页 |
| 3.3 本文的采用运动检测算法 | 第27-28页 |
| 第4章 显微图像拼接原理 | 第28-44页 |
| 4.1 图像拼接理论 | 第28-30页 |
| 4.1.1 图像拼接常用算法分类 | 第28-29页 |
| 4.1.2 岩石薄片样本显微图像的拼接流程 | 第29-30页 |
| 4.2 图像特征提取 | 第30-34页 |
| 4.2.1 Harris角点特征提取算法 | 第30-31页 |
| 4.2.2 SIFT特征提取算法 | 第31-34页 |
| 4.3 特征匹配 | 第34-37页 |
| 4.3.1 最邻近匹配NN算法 | 第34-35页 |
| 4.3.2 K-D树特征点搜索算法 | 第35-36页 |
| 4.3.3 Best Bin First算法 | 第36-37页 |
| 4.3.4 BBF算法和K-D树算法搜索效率比较 | 第37页 |
| 4.4 图像对齐 | 第37-39页 |
| 4.4.1 图像变换模型 | 第37-38页 |
| 4.4.2 基于随机抽样一致性RANSAC模型参数估计 | 第38-39页 |
| 4.5 图像融合 | 第39-44页 |
| 4.5.1 图像合并 | 第40-41页 |
| 4.5.2 图像融合 | 第41-44页 |
| 第5章 系统具体实现过程 | 第44-55页 |
| 5.1 系统硬件组成 | 第44-48页 |
| 5.1.1 微型电动载物台的设计 | 第44-47页 |
| 5.1.2 显微镜与计算机平台 | 第47-48页 |
| 5.2 系统软件实现 | 第48-55页 |
| 5.2.1 OpenCV平台搭建 | 第49-50页 |
| 5.2.2 包裹体自动识别的具体实现 | 第50-51页 |
| 5.2.3 岩石薄片样本的显微图像全景拼接的具体实现 | 第51-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得学术成果 | 第62页 |