基于高光谱的煤岩识别技术研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 变量注释表 | 第17-18页 |
| 1 绪论 | 第18-29页 |
| 1.1 课题来源与背景 | 第18-20页 |
| 1.2 研究现状总结 | 第20-25页 |
| 1.3 高光谱技术介绍 | 第25-28页 |
| 1.4 本文研究内容 | 第28-29页 |
| 2 高光谱煤岩识别实验方法 | 第29-37页 |
| 2.1 引言 | 第29页 |
| 2.2 高光谱谱线获取实验 | 第29-31页 |
| 2.3 煤岩成分测定实验 | 第31-32页 |
| 2.4 获取氢氧化铝、氧化铝高光谱谱线实验 | 第32-33页 |
| 2.5 单像素煤岩面积比实验 | 第33-34页 |
| 2.6 工况因素下的煤岩谱线获取实验 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 3 煤岩高光谱差异性研究 | 第37-45页 |
| 3.1 引言 | 第37页 |
| 3.2 煤岩高光谱数据预处理及谱线分析 | 第37-39页 |
| 3.3 沉积岩高光谱差特征分析 | 第39-40页 |
| 3.4 煤岩成分检测及谱带验证 | 第40-42页 |
| 3.5 煤岩高光谱差异机理分析 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 4 基于高光谱的煤岩识别模型 | 第45-61页 |
| 4.1 高光谱煤岩识别的特点及识别流程 | 第45-47页 |
| 4.2 基于吸收峰特征提取的的煤岩识别算法 | 第47-51页 |
| 4.3 基于吸收峰全波段匹配的识别算法设计 | 第51-54页 |
| 4.4 基于神经网络的的监督分类算法设计 | 第54-56页 |
| 4.5 基于实时性考虑的识别算法 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 5 高光谱识别煤岩的环境影响研究 | 第61-73页 |
| 5.1 引言 | 第61页 |
| 5.2 单像素煤岩面积对谱线的影响 | 第61-63页 |
| 5.3 井下环境对煤岩谱线的影响 | 第63-71页 |
| 5.4 本章小结 | 第71-73页 |
| 6 结论与展望 | 第73-76页 |
| 6.1 结论 | 第73-74页 |
| 6.2 研究展望 | 第74页 |
| 6.3 论文主要创新点 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 作者简历 | 第83-85页 |
| 学位论文数据集 | 第85页 |
