智能图像技术研究及岩心图像自动识别系统
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题背景 | 第10-11页 |
| ·智能图像识别技术发展与应用 | 第11-15页 |
| ·图像特征提取和表示的国内外研究现状 | 第11-14页 |
| ·分类器的国内外研究现状 | 第14-15页 |
| ·岩心图像的自动识别技术现状 | 第15-17页 |
| ·岩心图像处理技术国内外研究现状 | 第15-16页 |
| ·岩心图像识别技术国内外研究现状 | 第16-17页 |
| ·岩心图像自动识别要解决的问题 | 第17-18页 |
| ·论文目标及论文的主要内容 | 第18-20页 |
| ·研究目标 | 第18-19页 |
| ·主要研究内容 | 第19-20页 |
| 第二章 智能图像处理技术基础 | 第20-30页 |
| ·模式识别技术 | 第20-21页 |
| ·智能图像识别的关键环节 | 第21-22页 |
| ·数字图像预处理 | 第22-24页 |
| ·图像灰度化 | 第22-23页 |
| ·图像去噪 | 第23-24页 |
| ·图像特征及分析 | 第24-27页 |
| ·颜色特征 | 第24-25页 |
| ·纹理特征 | 第25-26页 |
| ·形状特征 | 第26-27页 |
| ·图像分割 | 第27页 |
| ·智能分类 | 第27-30页 |
| ·基于判定树的归纳分类 | 第28页 |
| ·基于人工神经网络的分类 | 第28页 |
| ·基于统计的分类 | 第28-29页 |
| ·其它分类算法 | 第29-30页 |
| 第三章 岩心图像预处理及特征提取 | 第30-43页 |
| ·岩心图像特征 | 第30页 |
| ·特征及特征提取 | 第30-43页 |
| ·图像预处理 | 第30-32页 |
| ·纹理特征提取 | 第32-37页 |
| ·形状特征提取 | 第37-43页 |
| 第四章 智能识别分类算法研究 | 第43-49页 |
| ·岩心图像智能识别涉及的分类算法 | 第43-44页 |
| ·后向反馈网络 | 第44-46页 |
| ·BP算法 | 第44-45页 |
| ·对BP算法的改进 | 第45-46页 |
| ·支持向量机 | 第46-48页 |
| ·SVM算法 | 第46-47页 |
| ·SVM多分类器 | 第47-48页 |
| ·分类算法中的数据处理 | 第48-49页 |
| 第五章 岩心图像自动识别系统设计与实现 | 第49-61页 |
| ·系统流程 | 第49-50页 |
| ·岩心图像自动识别系统功能 | 第50-51页 |
| ·图像获取 | 第50页 |
| ·图像目标测量识别模块 | 第50页 |
| ·图像纹理特征识别模块 | 第50-51页 |
| ·关键算法 | 第51-52页 |
| ·图像预处理 | 第51页 |
| ·图像特征提取 | 第51页 |
| ·图像识别分类 | 第51-52页 |
| ·运行与开发环境 | 第52页 |
| ·系统实现 | 第52-61页 |
| ·基于AVICAP32的图像获取实现 | 第52-53页 |
| ·特征提取 | 第53-56页 |
| ·识别分类 | 第56-61页 |
| 第六章 岩心图像自动识别系统测试 | 第61-66页 |
| ·图像获取测试 | 第61页 |
| ·图像预处理测试 | 第61-62页 |
| ·图像目标测量识别测试 | 第62-64页 |
| ·图像纹理特征识别测试 | 第64-66页 |
| 第七章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |
