| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 泡沫浮选原理 | 第11-14页 |
| 1.2.1 浮选过程简介 | 第11-13页 |
| 1.2.2 泡沫形成机理 | 第13-14页 |
| 1.2.3 泡沫颜色特征与浮选工况关系 | 第14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 浮选泡沫图像去噪方法研究现状 | 第14-15页 |
| 1.3.2 浮选泡沫图像颜色特征研究现状 | 第15-16页 |
| 1.3.3 图像统计建模的研究现状 | 第16-18页 |
| 1.4 本文的主要内容与章节安排 | 第18-19页 |
| 2 泡沫图像特点与颜色恒常性原理 | 第19-27页 |
| 2.1 浮选泡沫图像特点 | 第19-21页 |
| 2.2 颜色恒常性理论 | 第21-26页 |
| 2.2.1 影响色彩感知的因素 | 第21-23页 |
| 2.2.2 颜色恒常性原理 | 第23-24页 |
| 2.2.3 颜色恒常性的常用方法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 基于复合形态学和颜色恒常的泡沫图像去噪方法 | 第27-39页 |
| 3.1 泡沫图像的噪声特点 | 第27-28页 |
| 3.2 对光照强度鲁棒的颜色空间模型 | 第28-30页 |
| 3.2.1 对立色空间模型 | 第28-29页 |
| 3.2.2 归一化的RGB模型 | 第29页 |
| 3.2.3 消除偏色的RGB模型 | 第29-30页 |
| 3.3 数学形态学去噪原理 | 第30-32页 |
| 3.3.1 数学形态学去噪理论 | 第30-31页 |
| 3.3.2 数学形态学去噪基本步骤 | 第31-32页 |
| 3.4 基于复合形态学和颜色恒常的泡沫图像去噪方法 | 第32-34页 |
| 3.4.1 复合形态学滤波器 | 第32-33页 |
| 3.4.2 Top-hat变换 | 第33页 |
| 3.4.3 基于复合形态学和颜色恒常的泡沫图像去噪 | 第33-34页 |
| 3.5 实验结果及分析 | 第34-38页 |
| 3.5.1 去噪结果分析 | 第34-36页 |
| 3.5.2 去噪后图像分割效果分析 | 第36-37页 |
| 3.5.3 与其他去噪算法对比分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 基于图像统计建模的泡沫图像恒常颜色校正方法 | 第39-55页 |
| 4.1 泡沫图像的统计特性 | 第39-41页 |
| 4.2 基于Contourlet域图像统计模型的恒常颜色校正算法 | 第41-49页 |
| 4.2.1 Contourlet变换理论 | 第42-45页 |
| 4.2.2 Contourlet域图像统计建模 | 第45-46页 |
| 4.2.3 K最近邻分类法 | 第46-47页 |
| 4.2.4 基于Contourlet域图像统计模型的恒常颜色校正算法 | 第47-49页 |
| 4.3 浮选泡沫图像的颜色校正实验结果 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 研究工作的总结 | 第55页 |
| 5.2 后续工作的展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读学位期间主要的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
