基于机器视觉的矿石粒度检测技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·论文的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·矿石粒度检测的机器视觉技术研究现状 | 第12-13页 |
| ·矿石图像分割算法研究现状 | 第13-14页 |
| ·矿石图像分割的难点 | 第14-15页 |
| ·现有分割算法存在的问题 | 第15页 |
| ·论文的研究内容和组织结构 | 第15-18页 |
| 第2章 矿石图像预处理 | 第18-36页 |
| ·引言 | 第18页 |
| ·矿石图像滤波算法 | 第18-23页 |
| ·邻域均值滤波 | 第19页 |
| ·高斯滤波 | 第19-21页 |
| ·双边滤波 | 第21-23页 |
| ·矿石图像二值化算法 | 第23-30页 |
| ·最大类间方差法 | 第23-25页 |
| ·快速自适应阈值化算法 | 第25-28页 |
| ·矿石图像二值化实验分析 | 第28-30页 |
| ·二值图像形态学优化 | 第30-34页 |
| ·数学形态学基本方法 | 第30-33页 |
| ·矿石二值图像形态学优化 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第3章 基于凹点检测与匹配的矿石图像分割算法 | 第36-46页 |
| ·引言 | 第36-37页 |
| ·基于圆形模板的凹点检测方法 | 第37-39页 |
| ·凹面定义 | 第37-38页 |
| ·凹点与凹点方向检测 | 第38-39页 |
| ·结合 Harris 算法的凹点检测和匹配算法 | 第39-42页 |
| ·Harris 角点检测原理 | 第39-40页 |
| ·圆形模板和 Harris 结合的凹点检测方法 | 第40页 |
| ·凹点匹配方法 | 第40-41页 |
| ·算法流程 | 第41-42页 |
| ·实验结果分析 | 第42-45页 |
| ·凹点检测算法实验分析 | 第42-44页 |
| ·凹点匹配结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 复杂矿石图像自适应分割算法研究 | 第46-76页 |
| ·引言 | 第46页 |
| ·研究思路 | 第46-48页 |
| ·多特征融合的多尺度矿石图像分割算法 | 第48-71页 |
| ·算法流程 | 第48-49页 |
| ·全局尺度的改进分水岭分割算法 | 第49-57页 |
| ·局部尺度的分割线优化及再分割 | 第57-67页 |
| ·矿石的纹理特征识别模型 | 第67-71页 |
| ·实验结果分析 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 矿石粒度参数提取及检测系统设计 | 第76-84页 |
| ·矿石粒度的特征参数 | 第76-80页 |
| ·粒度特征参数 | 第76页 |
| ·粒度分布 | 第76-77页 |
| ·本文测量参数的说明 | 第77-78页 |
| ·矿石粒度分布实验分析 | 第78-80页 |
| ·矿石粒度检测系统设计 | 第80-83页 |
| ·系统硬件设备 | 第81-82页 |
| ·检测系统的软件设计 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 总结 | 第84-85页 |
| 展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-92页 |
| 致谢 | 第92页 |
