基于分形和神经网络的铁谱磨粒图像特征提取与识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·铁谱磨粒识别应用概况 | 第9页 |
| ·铁谱磨粒图像特征提取和识别的研究意义 | 第9-11页 |
| ·论文的主要内容 | 第11页 |
| ·论文各章安排 | 第11-13页 |
| 第二章 传统图像分割技术和特征提取 | 第13-30页 |
| ·概述 | 第13-14页 |
| ·图像分割 | 第14-23页 |
| ·阈值分割 | 第14-18页 |
| ·边界分割 | 第18-23页 |
| ·图像特征提取 | 第23-27页 |
| ·磨粒图像的分割和特征提取 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于分形的铁谱磨粒图像特征提取 | 第30-45页 |
| ·分形的基本理论 | 第30-33页 |
| ·分形概念 | 第30页 |
| ·分形性质 | 第30-31页 |
| ·分形维数 | 第31-33页 |
| ·磨粒分形维数的计算 | 第33-40页 |
| ·磨粒分类及特征提取 | 第33-34页 |
| ·磨粒分形维数的计算方法 | 第34-38页 |
| ·磨粒边缘轮廓分形维数计算方法的比较 | 第38-40页 |
| ·分形维数在磨粒识别中的应用 | 第40-44页 |
| ·小结 | 第44-45页 |
| 第四章 基于神经网络技术的铁谱磨粒识别 | 第45-62页 |
| ·神经网络 | 第45-48页 |
| ·神经网络的形式化描述 | 第45-46页 |
| ·神经网络模型分类 | 第46-47页 |
| ·神经网络的训练和学习 | 第47-48页 |
| ·BP神经网络 | 第48-51页 |
| ·反传学习算法 | 第48-50页 |
| ·BP神经网络模型 | 第50-51页 |
| ·基于BP神经网络技术的磨粒形状自动识别 | 第51-56页 |
| ·磨粒图像预处理 | 第51页 |
| ·磨粒的边界波形 | 第51-55页 |
| ·基于边界波形自动分类的磨粒形状识别 | 第55-56页 |
| ·基于BP神经网络技术的磨粒自动识别 | 第56-61页 |
| ·小结 | 第61-62页 |
| 第五章 结束语 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文 | 第68页 |
