图像识别技术在煤岩识别应用中的研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-11页 |
| ·课题研究的背景 | 第7-9页 |
| ·煤岩识别的发展情况 | 第7-8页 |
| ·煤岩识别的方法 | 第8-9页 |
| ·图像识别技术的应用 | 第9页 |
| ·本文研究内容 | 第9-11页 |
| 2 图像的预处理 | 第11-21页 |
| ·图像灰度化 | 第11-12页 |
| ·图像增强 | 第12-21页 |
| ·灰度级的修正 | 第12-15页 |
| ·图像的平滑 | 第15-18页 |
| ·图像的锐化 | 第18-21页 |
| 3 图像特征的提取 | 第21-31页 |
| ·灰度均值的提取 | 第21-22页 |
| ·纹理的提取 | 第22-31页 |
| ·灰度共生矩阵 | 第23-26页 |
| ·小波变换 | 第26-31页 |
| 4 分类器 | 第31-39页 |
| ·BP 神经网络 | 第31-34页 |
| ·神经网络的概述 | 第31页 |
| ·BP 神经网络 | 第31-32页 |
| ·BP 神经网络学习算法的推导 | 第32-34页 |
| ·支持向量机(SVM) | 第34-39页 |
| ·SVM 的概述 | 第34页 |
| ·SVM 的算法 | 第34-36页 |
| ·内积核函数 | 第36-39页 |
| 5 煤岩图像识别的实验与讨论 | 第39-61页 |
| ·煤与岩石基于灰度均值的识别 | 第39-41页 |
| ·煤与岩石基于纹理特征的识别 | 第41-61页 |
| ·基于灰度共生矩阵煤岩图像的分类识别 | 第41-47页 |
| ·基于小波变换煤岩图像的分类识别 | 第47-61页 |
| 6 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间论文发表情况 | 第67-70页 |
| 致谢 | 第70页 |
