| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究的背景及研究意义 | 第10-11页 |
| ·本课题研究的背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·煤与非煤物识别技术的现状 | 第11-12页 |
| ·本文的研究内容 | 第12-14页 |
| 第2章 煤炭运量管理控制系统概述 | 第14-20页 |
| ·煤炭运量管理控制系统的总体结构和类型 | 第14-15页 |
| ·煤炭产销系统的结构及业务流程 | 第14页 |
| ·煤炭运量控制系统的总体结构 | 第14-15页 |
| ·煤炭运量控制系统的类型划分 | 第15页 |
| ·煤炭运量控制系统结构、功能描述 | 第15-17页 |
| ·Ⅲ型产运煤源点(生产矿)控制子系统的结构 | 第15-16页 |
| ·Ⅲ型产运煤源点(生产矿)控制子系统的功能描述 | 第16-17页 |
| ·系统的功能特征 | 第17-18页 |
| ·小结 | 第18-20页 |
| 第3章 图像识别技术的研究 | 第20-40页 |
| ·图像识别技术概述及图像识别系统的组成 | 第20-22页 |
| ·图像识别技术概述 | 第20-21页 |
| ·图像识别系统的构成 | 第21-22页 |
| ·图像预处理的基本方法介绍 | 第22-31页 |
| ·预处理概述 | 第22页 |
| ·图像灰度化 | 第22-24页 |
| ·直方图均衡化 | 第24-27页 |
| ·图像的平滑 | 第27-30页 |
| ·图像的锐化 | 第30-31页 |
| ·图像特征的提取 | 第31-33页 |
| ·图像特征的概念 | 第31-32页 |
| ·图像特征选择 | 第32页 |
| ·特征提取概述 | 第32-33页 |
| ·支持向量机与LIB-SVM | 第33-39页 |
| ·最优分类超平面 | 第33-34页 |
| ·支持向量机 | 第34-36页 |
| ·核函数及特征空间 | 第36-38页 |
| ·LIBSVM | 第38-39页 |
| ·小结 | 第39-40页 |
| 第4章 煤与非煤物的图像识别算法研究 | 第40-64页 |
| ·煤与非煤物图像分析 | 第40-41页 |
| ·煤与非煤物的灰度均值识别算法 | 第41-43页 |
| ·煤与非煤物的粒度分析识别算法 | 第43-56页 |
| ·粒度的概念及粒度测试 | 第43-44页 |
| ·形态学图像处理 | 第44-50页 |
| ·煤与非煤物的粒度识别算法 | 第50-56页 |
| ·煤与非煤物的纹理识别算法 | 第56-63页 |
| ·纹理的概念 | 第56-57页 |
| ·纹理特征的分析方法 | 第57-58页 |
| ·灰度共生矩阵的定义 | 第58页 |
| ·灰度共生矩阵特点 | 第58-59页 |
| ·灰度共生矩阵的特征参数 | 第59-62页 |
| ·煤与非煤物的纹理识别算法 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第5章 煤与非煤物的图像识别算法的实现与实验结果比较 | 第64-78页 |
| ·煤与非煤物的灰度均值识别算法的实现 | 第64-65页 |
| ·煤与非煤物的粒度识别算法的实现 | 第65-67页 |
| ·煤与非煤物的纹理识别算法的实现 | 第67-77页 |
| ·纹理特征提取 | 第67-73页 |
| ·选择煤的特征 | 第73-74页 |
| ·煤与非煤物的纹理识别算法的实现 | 第74-77页 |
| ·实验结果比较 | 第77页 |
| ·小结 | 第77-78页 |
| 第6章 总结 | 第78-80页 |
| ·本文提出的创新点 | 第78页 |
| ·未来工作的展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |