| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 注释表 | 第18-19页 |
| 缩略词 | 第19-20页 |
| 第一章 绪论 | 第20-31页 |
| 1.1 课题的研究背景、意义及来源 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-27页 |
| 1.2.1 铁谱图像处理 | 第21-26页 |
| 1.2.1.1 早期探索 | 第21页 |
| 1.2.1.2 铁谱图像的基本处理 | 第21-22页 |
| 1.2.1.3 针对单个或少量磨粒的参数统计与磨粒识别 | 第22-23页 |
| 1.2.1.4 针对铁谱图像的分割处理 | 第23-26页 |
| 1.2.1.5 面向工业应用的铁谱分析系统 | 第26页 |
| 1.2.2 磨粒特征提取与识别 | 第26-27页 |
| 1.3 铁谱图像处理和磨粒识别中存在的问题 | 第27-28页 |
| 1.4 课题研究内容及方法 | 第28-31页 |
| 第二章 铁谱技术基础及铁谱图像分析研究平台构建 | 第31-39页 |
| 2.1 铁谱技术简介 | 第31-35页 |
| 2.1.1 铁谱仪及谱片制备 | 第31-32页 |
| 2.1.2 铁谱定性分析 | 第32-33页 |
| 2.1.3 铁谱定量分析 | 第33-34页 |
| 2.1.4 磨屑群理论 | 第34-35页 |
| 2.2 铁谱图像分析系统硬件及软件平台设计 | 第35-38页 |
| 2.2.1 硬件方案设计 | 第35-36页 |
| 2.2.1.1 铁谱图像获取 | 第35-36页 |
| 2.2.2 软件方案设计 | 第36-37页 |
| 2.2.3 软件功能 | 第37-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 铁谱图像处理与分析的理论基础 | 第39-54页 |
| 3.1 铁谱图像处理 | 第39-43页 |
| 3.1.1 铁谱图像颜色空间转换 | 第39-42页 |
| 3.1.2 铁谱图像尺寸缩放 | 第42页 |
| 3.1.3 图像预处理 | 第42-43页 |
| 3.2 铁谱图像分析 | 第43-46页 |
| 3.2.1 图像分割基础 | 第43-45页 |
| 3.2.2 目标表达与描述 | 第45-46页 |
| 3.3 目标分类与磨粒识别 | 第46页 |
| 3.4 基于数学形态学的图像处理 | 第46-49页 |
| 3.4.1 形态学预处理 | 第46-48页 |
| 3.4.2 分水岭算法基本原理 | 第48-49页 |
| 3.5 基于灰色系统理论的图像处理 | 第49-50页 |
| 3.5.1 灰色关联分析 | 第49-50页 |
| 3.6 基于聚类技术的图像分割 | 第50-53页 |
| 3.6.1 K均值聚类 | 第51页 |
| 3.6.2 模糊C均值聚类 | 第51-52页 |
| 3.6.3 蚁群聚类 | 第52-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第四章 磨粒边缘检测方法研究 | 第54-73页 |
| 4.1 常见的边缘检测方法 | 第54-57页 |
| 4.2 基于大津阈值和灰色关联度的磨粒边缘提取（O&G） | 第57-66页 |
| 4.2.1 基于Otsu算法的磨粒与背景分割 | 第58页 |
| 4.2.2 基于变权关联度的磨粒边缘提取 | 第58-60页 |
| 4.2.3 O&G算法流程 | 第60-62页 |
| 4.2.4 O&G边缘检测算法的实例分析 | 第62-66页 |
| 4.3 基于改进蚁群算法的磨粒边缘提取（IACO） | 第66-72页 |
| 4.3.1 IACO算法介绍 | 第67-70页 |
| 4.3.1.1 铁谱图像预处理 | 第67页 |
| 4.3.1.2 磨粒边缘的初步提取 | 第67-68页 |
| 4.3.1.3 改进蚁群算法边缘检测 | 第68-70页 |
| 4.3.2 实验结果与分析 | 第70-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 基于颜色聚类的磨粒与背景分割 | 第73-86页 |
| 5.1 颜色空间处理技术与难点 | 第73-74页 |
| 5.1.1 颜色空间处理技术 | 第73-74页 |
| 5.1.2 颜色空间处理的难点 | 第74页 |
| 5.2 基于颜色分量比的背景减除 | 第74-78页 |
| 5.2.1 算法描述 | 第75-77页 |
| 5.2.2 实验与结果分析 | 第77-78页 |
| 5.3 基于K-means颜色聚类的磨粒与背景的分割 | 第78-85页 |
| 5.3.1 K-means聚类简介 | 第78页 |
| 5.3.2 算法描述 | 第78-83页 |
| 5.3.2.1 RGB和HSI颜色空间的二维颜色分量K-means聚类 | 第79-82页 |
| 5.3.2.2 CIELAB颜色空间的二维分量K-means聚类 | 第82-83页 |
| 5.3.3 不同背景铁谱图像的分割效果对比 | 第83-85页 |
| 5.4 本章小结 | 第85-86页 |
| 第六章 融合分水岭与聚类算法的磨粒分割 | 第86-115页 |
| 6.1 基于改进分水岭算法的磨粒初始分割 | 第86-92页 |
| 6.1.1 标记分水岭算法 | 第86-90页 |
| 6.1.2 磨粒沉积链分割实验结果及分析 | 第90-92页 |
| 6.2 融合分水岭算法和改进蚁群聚类的磨粒分割方法（CWACA） | 第92-102页 |
| 6.2.1 蚁群聚类算法 | 第92-93页 |
| 6.2.2 基于改进蚁群聚类技术的磨粒分割 | 第93-102页 |
| 6.2.2.1 改进的蚁群聚类算法 | 第94-95页 |
| 6.2.2.2 蚁群聚类结果判别和修正 | 第95-97页 |
| 6.2.2.3 CWACA算法步骤 | 第97页 |
| 6.2.2.4 CWACA实验结果及分析 | 第97-102页 |
| 6.3 基于标记分水岭和改进灰色聚类技术的磨粒分割（CMWGC） | 第102-114页 |
| 6.3.1 灰色聚类技术 | 第102-104页 |
| 6.3.2 基于改进灰色聚类技术的异常大磨粒分割 | 第104-114页 |
| 6.3.2.1 改进的灰色聚类方法 | 第104-106页 |
| 6.3.2.2 灰色聚类结果判别和修正 | 第106-107页 |
| 6.3.2.3 CMWGC算法步骤 | 第107-108页 |
| 6.3.2.4 实验结果及分析 | 第108-114页 |
| 6.4 本章小结 | 第114-115页 |
| 第七章 基于主成分分析和灰色理论的磨粒识别 | 第115-126页 |
| 7.1 磨粒特征参数及识别技术 | 第115-118页 |
| 7.1.1 磨粒特征参数 | 第115-116页 |
| 7.1.2 磨粒识别技术 | 第116-118页 |
| 7.2 CPGA算法步骤 | 第118-122页 |
| 7.2.1 基于主成分分析的磨粒特征提取 | 第118-119页 |
| 7.2.2 基于灰色关联分析的磨粒识别 | 第119-122页 |
| 7.3 实验结果及分析 | 第122-125页 |
| 7.4 本章小结 | 第125-126页 |
| 第八章 总结与展望 | 第126-129页 |
| 8.1 总结 | 第126-127页 |
| 8.2 创新点 | 第127-128页 |
| 8.3 展望 | 第128-129页 |
| 参考文献 | 第129-138页 |
| 致谢 | 第138-139页 |
| 在学期间的研究成果及发表的学术论文 | 第139页 |
