基于视频处理的煤矸石识别研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第16-17页 |
| 1 绪论 | 第17-19页 |
| 1.1 课题研究背景及意义 | 第17-18页 |
| 1.2 课题主要研究内容 | 第18页 |
| 1.3 本章小结 | 第18-19页 |
| 2 文献综述 | 第19-29页 |
| 2.1 数字图像 | 第19-21页 |
| 2.2 图像处理技术研究现状 | 第21-24页 |
| 2.3 基于图像处理的矿石分类研究现状 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 视频图像表面特征 | 第29-51页 |
| 3.1 视频目标检测 | 第29-32页 |
| 3.2 图像表面特征参数提取 | 第32-44页 |
| 3.3 特征参数初步分析 | 第44-46页 |
| 3.4 基于Relief的特征选择 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 煤矸石识别方法 | 第51-69页 |
| 4.1 “k-近邻”参数优化及识别 | 第52-55页 |
| 4.2 支持向量机参数优化及识别 | 第55-61页 |
| 4.3 神经网络参数选择及识别 | 第61-66页 |
| 4.4 基于权重的特征递归剔除识别 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 5 多工况识别试验研究 | 第69-90页 |
| 5.1 表面类型 | 第69页 |
| 5.2 煤矸石识别试验 | 第69-79页 |
| 5.3 皮带干扰下的煤矸石识别试验 | 第79-89页 |
| 5.4 本章小结 | 第89-90页 |
| 6 结论与展望 | 第90-92页 |
| 6.1 研究结论 | 第90页 |
| 6.2 展望 | 第90-92页 |
| 参考文献 | 第92-97页 |
| 作者简历 | 第97-99页 |
| 学位论文数据集 | 第99页 |
