| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-22页 |
| ·选矿在线粒度检测技术的现状与分析 | 第8-15页 |
| ·传统的粒度检测方法 | 第9-10页 |
| ·现代粒度检测中的主要测试方法 | 第10-15页 |
| ·国内选矿在线粒度检测现状及展望 | 第15-17页 |
| ·超声波矿浆粒度分析仪 | 第15-16页 |
| ·直接线性测量方式的粒度分析仪 | 第16-17页 |
| ·中国自主研发的BPSM-Ⅰ型在线矿浆粒度分析仪 | 第17页 |
| ·国内外计算机图像处理技术的发展现状 | 第17-19页 |
| ·计算机图像处理技术在粒度检测方面的应用现状 | 第19页 |
| ·本课题研究的任务及主要内容 | 第19-22页 |
| 第2章 硬件预设计和试样制备及图像提取 | 第22-26页 |
| ·硬件预设计 | 第22-23页 |
| ·在磨矿回路中用动态分样装置将分流的样品引入到检测区 | 第22页 |
| ·取样槽和光学系统及CCD硬件组成 | 第22-23页 |
| ·实际试样制备及图像获得 | 第23-24页 |
| ·试样制备 | 第23-24页 |
| ·图像提取 | 第24页 |
| ·软件设计规划及组成 | 第24-26页 |
| 第3章 图像预处理 | 第26-32页 |
| ·原始图像分析 | 第26-27页 |
| ·图像滤波 | 第27-30页 |
| ·中值滤波 | 第27-28页 |
| ·α裁剪均值滤波器 | 第28页 |
| ·滑动均值滤波器 | 第28-29页 |
| ·M滤波器 | 第29页 |
| ·本论文的滤波算法 | 第29-30页 |
| ·图像增强方法的确定 | 第30-32页 |
| 第4章 图像边缘检测与图像分割 | 第32-44页 |
| ·图像边缘检测 | 第32-37页 |
| ·基于灰度直方图的门限化边缘检测 | 第32-33页 |
| ·基于微分的边缘检测 | 第33-34页 |
| ·小波多尺度边缘检测 | 第34-35页 |
| ·人工神经网络(ANN) | 第35-36页 |
| ·Canny边缘检测算子 | 第36-37页 |
| ·本文边缘检测方法 | 第37-38页 |
| ·图像分割 | 第38-41页 |
| ·图像分割的一般模型 | 第38-39页 |
| ·几种常见阈值分割方法及比较 | 第39-41页 |
| ·本文采用的基于梯度图像的动态灰度值分割 | 第41-44页 |
| 第5章 二值化图像的处理及粘连颗粒分割 | 第44-52页 |
| ·数学形态学的基本理论和算法 | 第44-46页 |
| ·数学形态学基本运算 | 第45-46页 |
| ·数学形态学用于边缘检测 | 第46页 |
| ·数学形态学用于粒状处理 | 第46页 |
| ·数学形态学在粒度检测中的应用 | 第46页 |
| ·形态滤波 | 第46-48页 |
| ·种子填充 | 第48-49页 |
| ·矿物聚团结构的去除 | 第49-50页 |
| ·粘连颗粒的分割 | 第50-52页 |
| 第6章 特征参数测定及矿物粒度统计 | 第52-60页 |
| ·加标记 | 第52-55页 |
| ·边界提取 | 第52-54页 |
| ·加标记(轮廓填充) | 第54-55页 |
| ·颗粒大小 | 第55-56页 |
| ·颗粒形貌特征 | 第56-58页 |
| ·形状指数的表示 | 第56-57页 |
| ·颗粒形状与形状指数的关系 | 第57-58页 |
| ·颗粒识别与结果统计 | 第58-60页 |
| 第7章 软件统计结果分析与展望 | 第60-70页 |
| ·样品1的统计与误差分析 | 第60-63页 |
| ·样品2的统计与误差分析 | 第63-66页 |
| ·样品3的统计与误差分析 | 第66-68页 |
| ·统计结果分析 | 第68-70页 |
| 第8章 结论与展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 攻读硕士学位期间参加的科研项目 | 第80-81页 |
| 附件: 粒度检测软件源程序 | 第81-87页 |