| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题来源与研究背景 | 第9-10页 |
| 1.2 矿物浮选流程及其数字图像处理技术的应用 | 第10-12页 |
| 1.2.1 矿物浮选工艺 | 第10-11页 |
| 1.2.2 矿物浮选中数字图像处理技术的应用 | 第11-12页 |
| 1.3 浮选泡沫图像处理技术研究现状 | 第12-15页 |
| 1.3.1 浮选泡沫数字图像处理技术国内外研究现状 | 第12-14页 |
| 1.3.2 浮选泡沫数字图像分类方法研究现状 | 第14-15页 |
| 1.4 论文的主要内容和结构安排 | 第15-16页 |
| 2 基于局部特征向量空间模型的泡沫图像分类方法 | 第16-26页 |
| 2.1 向量空间模型 | 第16-17页 |
| 2.2 基于局部特征VSM的泡沫图像分类方法 | 第17-22页 |
| 2.2.1 泡沫图像的局部底层特征选择和提取 | 第18-20页 |
| 2.2.2 泡沫图像的泡沫状态词汇表生成 | 第20页 |
| 2.2.3 泡沫图像的词袋描述 | 第20-21页 |
| 2.2.4 基于向量空间模型的泡沫图像分类 | 第21-22页 |
| 2.3 仿真研究及其结果分析 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于局部特征贝叶斯概率模型的泡沫图像分类方法 | 第26-34页 |
| 3.1 基于贝叶斯概率的分类模型 | 第26-30页 |
| 3.1.1 贝叶斯定理 | 第26页 |
| 3.1.2 基于贝叶斯概率的分类模型建立 | 第26-28页 |
| 3.1.3 基于最大期望算法的模型参数估计 | 第28-30页 |
| 3.2. 基于局部特征贝叶斯概率模型的泡沫图像分类 | 第30-31页 |
| 3.3 实验验证与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于尺度不变特征变换SIFT的泡沫图像动态特征提取方法 | 第34-48页 |
| 4.1 SIFT算法介绍与实施 | 第34-39页 |
| 4.1.1 SIFT算法概述 | 第34-35页 |
| 4.1.2 SIFT算法实施 | 第35-39页 |
| 4.2 利用SIFT算法获取浮选泡沫动态特征 | 第39-47页 |
| 4.2.1 泡沫图像关键点的提取与匹配 | 第39-42页 |
| 4.2.2 泡沫图像动态特征提取 | 第42-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 基于局部动静态特征的浮选泡沫图像分层分类识别系统 | 第48-56页 |
| 5.1 常用浮选泡沫的视觉参数选取 | 第48-51页 |
| 5.1.1 泡沫静态参数与工况分析 | 第48-49页 |
| 5.1.2 泡沫动态参数与工况分析 | 第49-51页 |
| 5.2 基于局部动静特征的泡沫图像分层分类系统 | 第51-53页 |
| 5.3 仿真研究及其结果分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| 6.1 研究工作总结 | 第56-57页 |
| 6.2 后续工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间主要研究成果 | 第63-64页 |
| 致谢 | 第64页 |
