| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 砂岩薄片图像分割的背景和意义 | 第15-18页 |
| 1.2 砂岩薄片图像相关知识 | 第18-19页 |
| 1.3 本文主要研究内容及创新点 | 第19-21页 |
| 1.4 本文组织结构 | 第21-24页 |
| 第二章 砂岩薄片图像分割相关工作 | 第24-36页 |
| 2.1 岩石薄片图像分割研究现状 | 第24-27页 |
| 2.1.1 基于边界检测的方法 | 第24-25页 |
| 2.1.2 基于区域的方法 | 第25-26页 |
| 2.1.3 基于能量函数优化的方法 | 第26页 |
| 2.1.4 基于机器学习的方法 | 第26-27页 |
| 2.2 基于语义的图像分割方法 | 第27-35页 |
| 2.2.1 基于图论的方法 | 第27-30页 |
| 2.2.2 基于像素聚类的方法 | 第30-32页 |
| 2.2.3 图像语义分割方法 | 第32-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 多角度砂岩薄片图像分割方法 | 第36-64页 |
| 3.1 引言 | 第36-38页 |
| 3.2 多角度砂岩薄片图像分割 | 第38页 |
| 3.3 多角度砂岩薄片图像分割方法 | 第38-51页 |
| 3.3.1 方法框架 | 第38-39页 |
| 3.3.2 多角度图像预分割方法MSLIC | 第39-43页 |
| 3.3.3 超像素特征提取及相似性度量方法 | 第43-47页 |
| 3.3.4 多角度区域合并方法MRM | 第47-51页 |
| 3.4 实验与讨论 | 第51-62页 |
| 3.4.1 砂岩薄片图像库 | 第51-52页 |
| 3.4.2 算法性能衡量指标 | 第52-54页 |
| 3.4.3 MSLIC算法实验 | 第54-57页 |
| 3.4.4 MRM算法实验 | 第57-60页 |
| 3.4.5 超参设置实验 | 第60页 |
| 3.4.6 讨论 | 第60-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 基于人工特征提取的砂岩薄片图像分割方法 | 第64-98页 |
| 4.1 引言 | 第64-65页 |
| 4.2 基于人工特征的砂岩薄片图像分割方法 | 第65-87页 |
| 4.2.1 方法框架 | 第65-66页 |
| 4.2.2 人工特征提取方法 | 第66-70页 |
| 4.2.3 粗糙-精细合并方法CoFM | 第70-87页 |
| 4.3 实验与讨论 | 第87-96页 |
| 4.3.1 人工特征提取方法实验 | 第87-89页 |
| 4.3.2 CoFM方法实验 | 第89-94页 |
| 4.3.3 超参设置实验 | 第94-95页 |
| 4.3.4 讨论 | 第95-96页 |
| 4.4 本章小结 | 第96-98页 |
| 第五章 基于自动特征提取的砂岩薄片图像分割方法 | 第98-123页 |
| 5.1 引言 | 第98-99页 |
| 5.2 基于自动特征提取的砂岩薄片图像分割方法 | 第99-112页 |
| 5.2.1 方法框架 | 第99页 |
| 5.2.2 RockNet网络结构设计与分析 | 第99-103页 |
| 5.2.3 有限样本下的RockNet网络参数优化方法 | 第103-108页 |
| 5.2.4 语义特征提取加速方法 | 第108页 |
| 5.2.5 区域合并方法FCoG | 第108-112页 |
| 5.3 实验与讨论 | 第112-121页 |
| 5.3.1 RockNet训练图像数据库 | 第112-113页 |
| 5.3.2 RockNet网络参数训练设置 | 第113页 |
| 5.3.3 自动特征提取方法实验 | 第113-115页 |
| 5.3.4 FCoG方法实验 | 第115-118页 |
| 5.3.5 图像增强方法实验 | 第118-119页 |
| 5.3.6 超参设置实验 | 第119-121页 |
| 5.3.7 讨论 | 第121页 |
| 5.4 本章小结 | 第121-123页 |
| 第六章 总结与展望 | 第123-126页 |
| 6.1 工作总结 | 第123-124页 |
| 6.2 研究展望 | 第124-126页 |
| 参考文献 | 第126-140页 |
| 攻读博士学位期间研究成果及参与项目情况 | 第140-142页 |
| 致谢 | 第142-143页 |