| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本课题主要研究内容及组织结构 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 数字图像处理的相关技术 | 第17-30页 |
| 2.1 图像灰度化 | 第17-18页 |
| 2.2 图像平滑 | 第18-21页 |
| 2.3 图像锐化 | 第21-24页 |
| 2.4 图像分割 | 第24-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于煤与矸石图像特征的提取算法 | 第30-42页 |
| 3.1 灰度特征提取 | 第30-31页 |
| 3.2 纹理特征提取 | 第31-40页 |
| 3.2.1 灰度共生矩阵 | 第31-34页 |
| 3.2.2 小波变换 | 第34-36页 |
| 3.2.3 基于灰度共生矩阵的纹理特征提取 | 第36-37页 |
| 3.2.4 基于小波变换的纹理特征提取 | 第37-40页 |
| 3.2.5 基于灰度共生矩阵与小波变换结合的纹理特征提取 | 第40页 |
| 3.3 灰度特征与纹理特征相结合提取 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于参数优化的支持向量机算法 | 第42-52页 |
| 4.1 支持向量机简述 | 第42页 |
| 4.2 支持向量机原理 | 第42-47页 |
| 4.2.1 线性可分情况 | 第43-45页 |
| 4.2.2 线性不可分情况 | 第45-46页 |
| 4.2.3 非线性可分情况 | 第46-47页 |
| 4.3 核函数的选择及参数的影响 | 第47-49页 |
| 4.3.1 核函数的选择 | 第47-48页 |
| 4.3.2 参数的影响 | 第48-49页 |
| 4.4 参数优化的支持向量机算法 | 第49-51页 |
| 4.4.1 参数优化思想 | 第49-50页 |
| 4.4.2 参数优化算法 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 煤与矸石图像特征的识别算法仿真 | 第52-61页 |
| 5.1 煤与矸石图像灰度特征的识别算法仿真 | 第52-53页 |
| 5.2 煤与矸石图像纹理特征的识别算法仿真 | 第53-58页 |
| 5.2.1 基于灰度共生矩阵的纹理特征的识别 | 第53-55页 |
| 5.2.2 基于小波变换的纹理特征的识别 | 第55-57页 |
| 5.2.3 基于灰度共生矩阵与小波变换结合的纹理特征的识别 | 第57-58页 |
| 5.3 煤与矸石图像灰度特征与纹理特征相结合的识别算法仿真 | 第58-59页 |
| 5.4 识别算法的仿真结果比较 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简介 | 第68-69页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第69-70页 |
