| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题研究的主要内容安排 | 第13-16页 |
| 2 铜钼矿泡沫图像特征与分类 | 第16-24页 |
| 2.1 图像特征及分割方法研究思路 | 第16-18页 |
| 2.1.1 图像特征 | 第16-17页 |
| 2.1.2 分割方法的研究步骤 | 第17-18页 |
| 2.2 阈值化分割方法 | 第18-20页 |
| 2.2.1 阈值化分割原理 | 第18-19页 |
| 2.2.2 Otsu 阈值分割方法 | 第19-20页 |
| 2.3 图像分类 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于向量形态学的图像预处理方法研究 | 第24-36页 |
| 3.1 传统的形态学重构 | 第24-28页 |
| 3.1.1 数学形态学运算 | 第24-28页 |
| 3.1.2 形态学的重构原理 | 第28页 |
| 3.2 HSV 色彩空间向量的形态学重构 | 第28-32页 |
| 3.2.1 HSV 颜色空间 | 第29-30页 |
| 3.2.2 基于HSV色彩空间的向量形态学 | 第30-31页 |
| 3.2.3 改进的向量形态学开重构 | 第31-32页 |
| 3.3 铜钼矿浮选泡沫图像预处理 | 第32-35页 |
| 3.3.1 图像灰度化 | 第32页 |
| 3.3.2 改进的向量形态学开重构去除亮点 | 第32-33页 |
| 3.3.3 平滑滤波器 | 第33-34页 |
| 3.3.4 基于形态学开闭重构滤波 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 铜钼矿浮选泡沫图像分割算法研究 | 第36-48页 |
| 4.1 分割原理及问题的提出 | 第36-37页 |
| 4.2 基于谷底边缘检测的泡沫图像分割算法 | 第37-42页 |
| 4.2.1 灰度局部极小值的边缘检测算法 | 第38-40页 |
| 4.2.2 谷底边缘检测的泡沫图像分割算法实现 | 第40-41页 |
| 4.2.3 泡沫图像分割结果 | 第41-42页 |
| 4.3 基于向量形态学重构的泡沬图像分割算法 | 第42-46页 |
| 4.3.1 分水岭算法的基本原理 | 第42-43页 |
| 4.3.2 基于 Top-Hat 面积 h 顶重构的种子点提取 | 第43-44页 |
| 4.3.3 基于向量形态学重构的图像分割方法实现 | 第44-45页 |
| 4.3.4 泡沫图像分割结果与分析 | 第45-46页 |
| 4.4 铜钼矿浮选泡沫图像评价指标 | 第46-47页 |
| 4.4.1 泡沫图像分割评价方法 | 第46页 |
| 4.4.2 结果分析对比 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 图像特征提取 | 第48-58页 |
| 5.0 浮选实验设计 | 第48-49页 |
| 5.1 图像纹理特征 | 第49-55页 |
| 5.1.1 基于直方图统计量的纹理特征提取 | 第49-54页 |
| 5.1.2 基于灰度共生矩阵统计量的纹理特征提取 | 第54-55页 |
| 5.2 泡沫稳定度指标 | 第55-56页 |
| 5.3 矿物附着量指标 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 课题研究总结 | 第58页 |
| 6.2 后续工作展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士期间主要的研究成果 | 第68页 |