| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·课题的背景 | 第9页 |
| ·国内外现状 | 第9-12页 |
| ·本文的创新 | 第12页 |
| ·本文研究技术路线 | 第12-14页 |
| 2 烧结机尾断面图像的选取 | 第14-24页 |
| ·烧结机工作原理简介 | 第14-16页 |
| ·最佳烧结机尾断面图像 | 第16-18页 |
| ·基于差分的最佳断面图像选取算法的研究及实现 | 第18-22页 |
| ·断面图像序列的差分分析 | 第18-21页 |
| ·基于差分的最佳断面获取算法的实现 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 烧结机尾断面图像的特征参数提取 | 第24-36页 |
| ·数字图像处理方法 | 第24-32页 |
| ·数字图像 | 第24-27页 |
| ·彩色图像到灰度图像的转换 | 第27页 |
| ·数字图像的增强 | 第27-30页 |
| ·数字图像分割 | 第30-32页 |
| ·特征参数的提取 | 第32-35页 |
| ·红火率的提取 | 第32-34页 |
| ·气孔率的提取 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 烧结矿FEO 含量的混合预测技术 | 第36-48页 |
| ·基于模糊聚类与 RBF 函数结合的烧结矿 FEO 含量预测 | 第36-37页 |
| ·模糊 C 均值聚类算法 | 第37-43页 |
| ·数据集的c 划分 | 第37-38页 |
| ·聚类目标函数 | 第38-39页 |
| ·聚类的准则 | 第39-41页 |
| ·模糊c 均值聚类算法 | 第41页 |
| ·最佳分类数的确定 | 第41-43页 |
| ·模糊C 均值聚类判别结果 | 第43页 |
| ·RBF 神经网络 | 第43-46页 |
| ·RBF 神经网络原理 | 第43-45页 |
| ·样本选取 | 第45页 |
| ·样本的归一化 | 第45页 |
| ·网络的建立 | 第45-46页 |
| ·网络模型的更新 | 第46页 |
| ·本章小节 | 第46-48页 |
| 5 系统软硬件设计 | 第48-57页 |
| ·系统硬件设计 | 第49-53页 |
| ·图像传输方式的选择 | 第49-51页 |
| ·相机的选择 | 第51页 |
| ·镜头的选择 | 第51-52页 |
| ·图像采集卡的选取 | 第52页 |
| ·其他配件的选取 | 第52-53页 |
| ·系统软件设计 | 第53-56页 |
| ·程序的组件化 | 第53-54页 |
| ·各组件的功能及接口说明 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 项目的实践及数据分析 | 第57-63页 |
| ·项目的实践 | 第57-59页 |
| ·项目的数据分析 | 第59-63页 |
| 7 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67页 |