基于自适应权重FCM的浮选泡沫图像分割及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与问题描述 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 浮选泡沫图像处理 | 第12-14页 |
| 1.2.2 浮选泡沫图像分割 | 第14-15页 |
| 1.3 本文主要工作 | 第15-17页 |
| 2 泡沫图像预处理 | 第17-22页 |
| 2.1 样本筛选 | 第17-18页 |
| 2.2 多分辨率分析 | 第18-20页 |
| 2.3 小波阈值去噪 | 第20-21页 |
| 2.4 小结 | 第21-22页 |
| 3 浮选泡沫图像分割 | 第22-32页 |
| 3.1 基于改进的自适应权重FCM泡沫图像粗划分 | 第22-28页 |
| 3.1.1 模糊C均值 | 第22-23页 |
| 3.1.2 权重模糊C均值 | 第23-24页 |
| 3.1.3 改进的自适应权重模糊C均值 | 第24-28页 |
| 3.2 基于形态学的图像分割 | 第28-31页 |
| 3.2.1 数学形态学方法降噪 | 第28-29页 |
| 3.2.2 距离变换和灰度重构 | 第29-30页 |
| 3.2.3 基于分水岭图像分割 | 第30-31页 |
| 3.3 小结 | 第31-32页 |
| 4 仿真实验与应用 | 第32-45页 |
| 4.1 聚类算法对比实验 | 第32-33页 |
| 4.2 泡沫图像分割实验 | 第33-38页 |
| 4.3 应用案例 | 第38-44页 |
| 4.3.1 硬件平台搭建 | 第39-41页 |
| 4.3.2 系统软件平台 | 第41-42页 |
| 4.3.3 浮选工况识别 | 第42-44页 |
| 4.4 小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-52页 |
