| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 论文的研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 破碎颗粒粒度检测的技术研究现状 | 第15-16页 |
| 1.2.2 矿石图像分割算法的研究现状 | 第16-17页 |
| 1.2.3 矿石图像分割存在的难点 | 第17页 |
| 1.2.4 现有的分割算法存在的问题 | 第17-18页 |
| 1.3 论文的研究内容和组织结构 | 第18-21页 |
| 1.3.1 论文的主要研究内容 | 第18-19页 |
| 1.3.2 论文的技术路线及组织结构 | 第19-21页 |
| 第二章 矿石破碎的工艺流程以及图像的采集 | 第21-25页 |
| 2.1 引言 | 第21页 |
| 2.2 详细介绍破碎流程 | 第21-23页 |
| 2.3 原矿石颗粒图像的采集 | 第23页 |
| 2.3.1 破碎颗粒图像采集的难点 | 第23页 |
| 2.3.2 矿石颗粒的采集 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 碎矿图像预处理 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 矿石图像的滤波算法 | 第25-33页 |
| 3.2.1 均值滤波 | 第26-28页 |
| 3.2.2 中值滤波 | 第28页 |
| 3.2.3 锐化滤波 | 第28-30页 |
| 3.2.4 双边滤波 | 第30-32页 |
| 3.2.5 复杂图像的滤波比较 | 第32-33页 |
| 3.3 积分图像原理 | 第33-34页 |
| 3.4 矿石图像的二值化算法 | 第34-39页 |
| 3.4.1 最大类间方差法 | 第35-37页 |
| 3.4.2 基于积分图像的自适应阈值化算法 | 第37-39页 |
| 3.5 二值图像的形态学优化 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 分水岭算法与Canny边缘检测及其合并过程 | 第42-57页 |
| 4.1 引言 | 第42页 |
| 4.2 分水岭算法 | 第42-44页 |
| 4.2.1 分水岭算法概述 | 第42-43页 |
| 4.2.2 直接分水岭分割的缺点 | 第43-44页 |
| 4.3 距离变换及分水岭分割 | 第44-47页 |
| 4.3.1 距离变换 | 第44-45页 |
| 4.3.2 对距离图像分水岭变换 | 第45-46页 |
| 4.3.3 距离图像的优化及分水岭分割 | 第46-47页 |
| 4.4 边缘检测算法 | 第47-54页 |
| 4.4.1 简要介绍各类边缘检测算子 | 第48-52页 |
| 4.4.2 改进的Canny边缘检测算法 | 第52-54页 |
| 4.5 分水岭算法与Canny边缘检测的合并 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 破碎颗粒粒度参数提取及检测系统的设计 | 第57-61页 |
| 5.1 矿石粒度的特征参数说明 | 第57-60页 |
| 5.1.1 粒度特征参数 | 第57页 |
| 5.1.2 矿石粒度分布情况分析 | 第57-59页 |
| 5.1.3 本文测量参数的说明 | 第59-60页 |
| 5.2 矿石粒度检测的系统设计 | 第60页 |
| 5.2.1 检测系统的硬件设备 | 第60页 |
| 5.2.2 检测系统的软件设计 | 第60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 本论文的主要内容 | 第61-62页 |
| 6.2 未来的工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |