| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究背景及选题意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·选题意义 | 第9页 |
| ·国内外相关研究现状及发展 | 第9-11页 |
| ·论文主要研究内容 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 传统图像分割算法在煤岩图像裂缝检测中的应用 | 第13-26页 |
| ·引言 | 第13页 |
| ·基于阈值分割的煤岩图像裂缝检测 | 第13-15页 |
| ·Otsu 法 | 第13-14页 |
| ·最大熵值法 | 第14-15页 |
| ·局部阈值分割法 | 第15页 |
| ·基于传统边缘检测算子的煤岩图像裂缝检测 | 第15-19页 |
| ·Sobel 算子 | 第16-17页 |
| ·LoG 算子 | 第17页 |
| ·Canny 算子 | 第17-19页 |
| ·基于区域生长的煤岩图像裂缝检测 | 第19页 |
| ·基于分水岭变换的煤岩图像裂缝检测 | 第19-21页 |
| ·实验结果及分析 | 第21-25页 |
| ·基于阈值分割的煤岩图像裂缝检测仿真实验 | 第21-22页 |
| ·基于传统边缘检测算子的煤岩图像裂缝检测仿真实验 | 第22-24页 |
| ·基于区域生长的煤岩图像裂缝检测仿真实验 | 第24页 |
| ·基于分水岭变换的煤岩图像裂缝检测仿真实验 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 结合模糊增强和模糊形态学的煤岩图像裂缝检测 | 第26-37页 |
| ·引言 | 第26页 |
| ·PAL 和 KING 基于模糊理论的增强算法介绍及分析 | 第26-28页 |
| ·基于滑动窗口的自适应模糊增强算法 | 第28-29页 |
| ·改进的多层次模糊增强算法 | 第29-31页 |
| ·图像边缘附近阈值的选取 | 第29-30页 |
| ·改进的多层次模糊增强 | 第30-31页 |
| ·多方向模糊形态学边缘检测 | 第31-33页 |
| ·模糊形态学介绍 | 第31-32页 |
| ·多方向模糊形态学边缘检测 | 第32-33页 |
| ·实验结果及分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 多结构元形态学和 SOM 神经网络的煤岩图像裂缝检测方法 | 第37-50页 |
| ·引言 | 第37-38页 |
| ·多结构元形态学边缘检测算法 | 第38-40页 |
| ·灰度形态学基本操作 | 第38-39页 |
| ·传统的形态学边缘检测算子 | 第39页 |
| ·多结构元形态学边缘检测算法 | 第39-40页 |
| ·SOM 神经网络的原理 | 第40-42页 |
| ·SOM 神经网络介绍 | 第40-41页 |
| ·Kohonen 学习规则 | 第41页 |
| ·SOM 神经网络训练过程 | 第41-42页 |
| ·煤岩图像裂缝边检检测方法 | 第42-45页 |
| ·多结构元形态学裂缝边缘初步检测 | 第42页 |
| ·裂缝特征参数的计算 | 第42-44页 |
| ·SOM 神经网络分类后处理 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 主要结论与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第56页 |
