| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 堆浸铀矿石块度分布、关键参数与浸出率的关系 | 第13-14页 |
| 1.2.2 矿石外形特征与筛分尺寸的关系 | 第14-16页 |
| 1.2.3 聚堆矿石图像分割 | 第16-17页 |
| 1.2.4 矿石块度参数辨识 | 第17页 |
| 1.3 章节安排 | 第17-20页 |
| 第2章 图像预处理 | 第20-40页 |
| 2.1 相机标定 | 第20-24页 |
| 2.1.1 相机成像模型及各坐标系相互关系 | 第20-23页 |
| 2.1.2 相机标定方法 | 第23-24页 |
| 2.1.3 基于移动平面模板的相机标定方法原理及实现 | 第24页 |
| 2.2 图像滤波 | 第24-31页 |
| 2.2.1 中值滤波 | 第25-26页 |
| 2.2.2 双边滤波 | 第26-28页 |
| 2.2.3 图像引导滤波 | 第28-31页 |
| 2.3 图像二值化 | 第31-39页 |
| 2.3.1 脉冲耦合神经网络（PCNN-Pulse Coupled Neural Networks） | 第31-32页 |
| 2.3.2 基于最大熵准则的PCNN图像分割 | 第32-33页 |
| 2.3.3 基于最小交叉熵准则的PCNN图像分割 | 第33-34页 |
| 2.3.4 基于最大类间后验交叉熵准则的PCNN图像分割 | 第34-36页 |
| 2.3.5 实验分析与主客观评价 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 基于凹点匹配的数字图像切割算法 | 第40-50页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于凹点匹配的数字图像切割算法 | 第41-49页 |
| 3.2.1 算法原理 | 第43页 |
| 3.2.2 算法实现 | 第43-46页 |
| 3.2.3 算法处理过程 | 第46-47页 |
| 3.2.4 实验结果及分析 | 第47-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 矿石块度图像参数测量系统 | 第50-68页 |
| 4.1 矿石粒径参数测量与分布 | 第50-51页 |
| 4.1.1 粒径参数 | 第50页 |
| 4.1.2 粒径参数分布 | 第50-51页 |
| 4.2 基于形状特征的块度参数测量方法 | 第51-59页 |
| 4.2.1 基于形状特征的块度参数测量方法原理 | 第52-53页 |
| 4.2.2 多种参数测量方法实验 | 第53-58页 |
| 4.2.3 实验对比分析 | 第58-59页 |
| 4.3 矿石块度分布 | 第59-64页 |
| 4.4 块度图像分析系统 | 第64-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第5章 总结和展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 发表论文及参与科研情况 | 第76-78页 |
| 致谢 | 第78页 |
