| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 过程工业中图像处理技术研究现状 | 第13-16页 |
| 1.3 回转窑烧结工况识别研究现状及存在的问题 | 第16-18页 |
| 1.4 本文主要工作 | 第18-20页 |
| 第2章 回转窑熟料烧结工况识别问题描述 | 第20-28页 |
| 2.1 回转窑烧结过程工艺描述 | 第20-21页 |
| 2.2 回转窑熟料烧结工况特性分析及识别现状描述 | 第21-25页 |
| 2.3 回转窑熟料烧结工况识别的难点 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于烧成带图像的回转窑熟料烧结工况识别方法 | 第28-48页 |
| 3.1 预备知识 | 第28-39页 |
| 3.1.1 信息预处理 | 第28-31页 |
| 3.1.2 特征提取方法 | 第31-37页 |
| 3.1.3 模式分类器方法 | 第37-38页 |
| 3.1.4 决策融合方法 | 第38-39页 |
| 3.2 基于烧成带图像的回转窑熟料烧结工况识别策略 | 第39-41页 |
| 3.3 基于主成分分析的白化预处理方法 | 第41-42页 |
| 3.4 基于深度学习ISA和单词包的特征提取方法 | 第42-44页 |
| 3.5 基于模糊积分的显著区域特征融合的烧结工况识别分类器设计 | 第44-45页 |
| 3.6 本章小结 | 第45-48页 |
| 第4章 实验与结果分析 | 第48-68页 |
| 4.1 数据描述 | 第48-49页 |
| 4.2 参数选择 | 第49-50页 |
| 4.3 基于PCA的白化预处理实验结果 | 第50-52页 |
| 4.4 基于深度学习ISA和单词包的特征提取实验结果 | 第52-62页 |
| 4.5 基于模糊积分的显著区域特征融合的烧结工况识别实验结果 | 第62-66页 |
| 4.6 实验结果比较分析 | 第66页 |
| 4.7 本章小结 | 第66-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士期间的主要工作 | 第78页 |
