| 提要 | 第1-5页 |
| SUMMARY | 第5-8页 |
| 第1章 诸论 | 第8-17页 |
| ·课题来源与背景 | 第8-9页 |
| ·浮选工艺概述 | 第9-12页 |
| ·国内外研究的发展状况 | 第12-14页 |
| ·论文主要意义与研究内容 | 第14-17页 |
| 第2章 数字图像处理综述 | 第17-23页 |
| ·数字图像处理的基本内容 | 第17-20页 |
| ·图像的特征与噪声 | 第20-23页 |
| 第3章 基于图像处理的浮选状态识别系统分析 | 第23-34页 |
| ·浮选厂泡沫图像特征的选择 | 第23-31页 |
| ·状态识别系统的设计 | 第31-34页 |
| 第4章 浮选泡沫图像的特征提取 | 第34-42页 |
| ·泡沫图像的预处理 | 第34-35页 |
| ·泡沫图像颜色特征的提取 | 第35-37页 |
| ·泡沫图像纹理物理的提取 | 第37-40页 |
| ·数据过滤处理 | 第40-42页 |
| 第5章 浮选状态识别模型的实现 | 第42-77页 |
| ·引言 | 第42-43页 |
| ·数据的预处理 | 第43-56页 |
| ·粗糙集实现泡沫图像特征属性值约简 | 第56-59页 |
| ·粗糙集-神经网络控制模型的实现 | 第59-71页 |
| ·常见模式识别模型与粗糙集—LVQ 模式识别模型对比 | 第71-77页 |
| 第6章 结 论 | 第77-79页 |
| ·结论 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 摘要 | 第84-86页 |
| ABSTRACT | 第86-88页 |
| 致谢 | 第88-89页 |
| 附录一 训练样本特征参数 | 第89-90页 |
| 附录二 训练样本离散属性表 | 第90-92页 |
| 附录三 训练样本最终离散表 | 第92-93页 |
| 附录四 控制模型测试样本分类表 | 第93页 |