PSO在水泥基SEM图像识别应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究的背景及意义 | 第9页 |
| 1.2 课题在国内外发展现状 | 第9-12页 |
| 1.2.1 水泥基材料水化过程研究 | 第9-10页 |
| 1.2.2 神经网络的发展现状 | 第10-11页 |
| 1.2.3 PSO在神经网络发展现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文主要结构 | 第13-14页 |
| 第二章 水泥基材料SEM图像获取 | 第14-23页 |
| 2.1 硅酸盐水泥的水化原理 | 第14-16页 |
| 2.1.1 硅酸盐水泥熟料的组成 | 第14页 |
| 2.1.2 硅酸盐水泥的水化过程 | 第14-16页 |
| 2.2 硅酸盐的微观结构 | 第16-17页 |
| 2.3 水泥基材料的制样流程 | 第17-19页 |
| 2.3.1 染色 | 第18-19页 |
| 2.3.2 试样?渍 | 第19页 |
| 2.4 SEM图像获取 | 第19-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 水泥基材料SEM图像预处理 | 第23-34页 |
| 3.1 图像预处理常用方法 | 第23-24页 |
| 3.1.1 图像去噪 | 第23-24页 |
| 3.1.2 图像增强 | 第24页 |
| 3.1.3 图像分割 | 第24页 |
| 3.2 粒子群优化算法 | 第24-27页 |
| 3.2.1 PSO算法原理 | 第24-25页 |
| 3.2.2 PSO算法的步骤 | 第25-27页 |
| 3.3 混沌粒子群算法 | 第27-29页 |
| 3.3.1 混沌及运动特性 | 第27页 |
| 3.3.2 混沌初始化和混沌扰动 | 第27-29页 |
| 3.4 最大类间方差法 | 第29-31页 |
| 3.4.1 一维OTSU法 | 第29-30页 |
| 3.4.2 多阈值分割 | 第30-31页 |
| 3.5 粒子群算法在水泥基图像分割实验 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 PSO优化神经网络方法研究 | 第34-43页 |
| 4.1 神经网络原理 | 第34-37页 |
| 4.1.1 神经元模型 | 第34-36页 |
| 4.1.2 神经网络的基本特征 | 第36-37页 |
| 4.2 BP神经网络 | 第37-40页 |
| 4.2.1 BP神经网络原理 | 第37-38页 |
| 4.2.2 BP神经网络学习算法步骤 | 第38-40页 |
| 4.3 PSO优化神经网络算法 | 第40-42页 |
| 4.3.1 PSO优化神经网络原理 | 第40-41页 |
| 4.3.2 改进的SMPSO优化神经网络算法 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 水泥水化图像识别实验 | 第43-47页 |
| 5.1 水泥水化图像数据提取 | 第43-44页 |
| 5.2 实验结果及分析 | 第44-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 在校期间发表的论文和参与的项目 | 第53-54页 |
| 附录 | 第54-56页 |
