基于机器视觉的球团矿粒度检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 球团生产工艺流程概述及生产发展 | 第12-16页 |
| 1.3 国内外研究现状 | 第16-19页 |
| 1.3.1 球团矿粒度检测的机器视觉技术研究现状 | 第16页 |
| 1.3.2 类圆形堆叠颗粒分割算法研究现状 | 第16-18页 |
| 1.3.3 球团矿图像的分割难点 | 第18-19页 |
| 1.4 本文章节内容安排 | 第19-21页 |
| 第2章 球团矿图像预处理 | 第21-35页 |
| 2.1 数字图像处理技术 | 第21-24页 |
| 2.1.1 数字图像处理基础 | 第21-22页 |
| 2.1.2 数字图像处理的研究内容 | 第22-24页 |
| 2.2 球团矿图像滤波 | 第24-28页 |
| 2.2.1 中值滤波 | 第24-26页 |
| 2.2.2 高斯滤波 | 第26-27页 |
| 2.2.3 巴特沃斯滤波 | 第27-28页 |
| 2.3 球团矿图像形态学处理 | 第28-33页 |
| 2.3.1 二值形态学运算 | 第29-30页 |
| 2.3.2 灰度形态学运算 | 第30-31页 |
| 2.3.3 球团矿图像形态学处理 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 球团矿图像分割 | 第35-51页 |
| 3.1 基于阈值的球团矿图像分割算法 | 第35-40页 |
| 3.2 基于边缘检测的球团矿图像分割算法 | 第40-45页 |
| 3.3 基于区域的球团矿图像分割算法 | 第45-49页 |
| 3.3.1 区域生长法 | 第46-48页 |
| 3.3.2 分裂合并法 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 自适应标记分水岭算法的球团矿图像分割 | 第51-63页 |
| 4.1 分水岭算法原理 | 第51-52页 |
| 4.2 分水岭算法的改进 | 第52-53页 |
| 4.3 自适应标记分水岭算法的球团矿图像分割 | 第53-59页 |
| 4.3.1 算法设计思路 | 第53-54页 |
| 4.3.2 标记点自适应提取 | 第54-56页 |
| 4.3.3 基于距离变换背景标记 | 第56-57页 |
| 4.3.4 多尺度球团矿梯度图像 | 第57-59页 |
| 4.3.5 标记控制分水岭分割 | 第59页 |
| 4.4 实验结果分析 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 球团矿图像特征提取及粒度检测 | 第63-75页 |
| 5.1 球团矿图像目标区域计数 | 第63-65页 |
| 5.1.1 常见的连通标记算法 | 第63-64页 |
| 5.1.2 基于线标记法的目标球团区域标记 | 第64-65页 |
| 5.2 球团矿图像目标筛选及特征提取 | 第65-68页 |
| 5.2.1 球团矿目标筛选 | 第65-67页 |
| 5.2.2 球团矿图像特征提取 | 第67-68页 |
| 5.3 球团矿粒度检测结果分析 | 第68-72页 |
| 5.4 本章小结 | 第72-75页 |
| 第6章 结论与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
