| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 背景和意义 | 第10-11页 |
| 1.2 研究方向和进展 | 第11-12页 |
| 1.2.1 计算机辅助岩石薄片图像分类 | 第11-12页 |
| 1.2.2 迁移学习 | 第12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第二章 计算机辅助岩石分类 | 第16-24页 |
| 2.1 岩石薄片鉴定 | 第16页 |
| 2.2 计算机辅助岩石薄片图像分析方法的总结 | 第16-19页 |
| 2.2.1 基于图像分割的方法 | 第16-17页 |
| 2.2.2 基于结构特征分析的方法 | 第17-18页 |
| 2.2.3 基于矿物组成分析的方法 | 第18-19页 |
| 2.2.4 基于岩石薄片显微图像的方法 | 第19页 |
| 2.3 砂岩薄片鉴定 | 第19-20页 |
| 2.4 迁移学习 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 图像特征抽取与岩石显微薄片自动分类 | 第24-40页 |
| 3.1 岩石显微薄片特征 | 第24-25页 |
| 3.2 颜色特征 | 第25-29页 |
| 3.3 纹理特征 | 第29-33页 |
| 3.3.1 基于小波变换的特征 | 第29-31页 |
| 3.3.2 基于灰度共生矩阵的纹理特征 | 第31-33页 |
| 3.4 颗粒特征 | 第33-36页 |
| 3.5 岩石显微薄片图像自动分类 | 第36-37页 |
| 3.5.1 方法流程 | 第36页 |
| 3.5.2 实验结果与分析 | 第36-37页 |
| 3.6 本章小结 | 第37-40页 |
| 第四章 基于迁移学习的跨区域砂岩显微薄片自动分类方法Festra | 第40-48页 |
| 4.1 方法动机 | 第40-41页 |
| 4.2 问题与定义 | 第41页 |
| 4.3 方法框架 | 第41-42页 |
| 4.4 特征选择 | 第42页 |
| 4.5 增强的Tradaboost | 第42-45页 |
| 4.6 本章小结 | 第45-48页 |
| 第五章 Festra实证研究 | 第48-58页 |
| 5.1 研究问题 | 第48页 |
| 5.2 数据集 | 第48页 |
| 5.3 评价指标 | 第48-49页 |
| 5.4 实验设计 | 第49-50页 |
| 5.5 实验结果与分析 | 第50-55页 |
| 5.5.1 不同方法的结果比较 | 第50-51页 |
| 5.5.2 目标集中标记实例个数 | 第51-52页 |
| 5.5.3 特征选择比例 | 第52-53页 |
| 5.5.4 不同类别图像特征的分类效果 | 第53-55页 |
| 5.6 本章小结 | 第55-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-70页 |
| 简历与科研成果 | 第70-72页 |