瓦斯灰显微图像的多目标识别
发布时间：2022-12-18 12:05
瓦斯灰是高炉冶炼的重要副产物,含有大量的可燃性含碳物和丰富的金属资源。含碳物的含量可反映高炉供料结构的合理性以及生产参数的稳定性,金属及其氧化物可进行资源回收再利用。因此,实现瓦斯灰成分的定量分析对于指导高炉顺行、低耗生产以及瓦斯灰的高效、洁净化利用具有实际意义。本文在分析瓦斯灰中不同目标成分显微图像特点的基础上,采取分割与分类相结合的方式对于含碳物和金属氧化物进行识别,鉴于两者尺寸不一以及识别的难易,制定了不同的识别方案,最后融合识别结果实现瓦斯灰显微图像的多目标识别。论文的主要工作内容如下:（1）在查阅大量文献及现场调研的基础上,综述瓦斯灰处理与分析以及图像分割与分类方法的国内外研究现状,并阐明论文的研究背景与意义。（2）分析瓦斯灰中不同目标成分显微图像特点,综合考虑成分之间与内部的特征差异,确定目标识别的整体方案。（3）针对MeanShift聚类的不足,采用SLIC超像素算法与区域合并算法对原MeanShift聚类算法进行改进,提出一种基于改进MeanShift聚类的瓦斯灰显微图像分割方法,并与其他方法的分割结果对比与分析,以验证改进方法的有效性。（4）针对分割区域形状不规则且特...
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 研究对象与内容
1.3 国内外研究现状
1.3.1 瓦斯灰处理与分析的研究现状
1.3.2 图像分割方法的研究现状
1.3.3 图像分类方法的研究现状
1.4 论文的主要内容与安排
第二章 瓦斯灰显微图像的采集与目标成分分析
2.1 瓦斯灰显微图像的采集
2.1.1 瓦斯灰实物的收集
2.1.2 样本的制备
2.1.3 显微图像采集
2.2 瓦斯灰显微图像目标成分分析
2.3 本章小结
第三章 基于聚类分析的含碳物目标区域分割
3.1 基于Kmeans聚类的图像分割方法
3.2 基于Mean Shift聚类的图像分割方法
3.2.1 Mean Shift向量的基本形式
3.2.2 Mean Shift向量的扩展形式
3.2.3 Mean Shift向量的偏移过程
3.2.4 Mean Shift聚类
3.3 基于改进Mean Shift聚类的图像分割方法及含碳物目标区域的分割
3.3.1 改进思想与流程
3.3.2 分割原理及步骤
3.3.2.1 利用SLIC算法生成超像素
3.3.2.2 提取超像素特征
3.3.2.3 基于颜色-位置-纹理特征的Mean Shift聚类
3.3.2.4 区域合并
3.3.3 含碳物目标区域分割结果与分析
3.4 不同分割方法的结果比较与分析
3.5 本章小结
第四章 瓦斯灰显微图像中含碳物的识别
4.1 含碳物的特征提取与分析
4.1.1 颜色特征提取与分析
4.1.2 纹理特征提取与分析
4.1.3 边缘特征提取与分析
4.2 基于支持向量机的含碳物分类
4.2.1 支持向量机
4.2.2 含碳物的分类
4.2.2.1 特征量组合分类
4.2.2.2 特征量降维分类
4.2.2.3“二叉树”分类
4.2.3 不同分类方案的结果对比与分析
4.3 含碳物的识别结果与分析
4.4 本章小结
第五章 瓦斯灰显微图像中金属氧化物的识别
5.1 基于阈值分割的金属氧化物识别
5.2 金属氧化物的“固形+定位+排异”识别
5.2.1 基于超像素分割实现金属氧化物的“固形”
5.2.2 基于规则分类实现金属氧化物的“定位”
5.2.3 基于邻域差异实现金属氧化物的“排异”
5.3 与含碳物识别结果的融合
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
在学研究成果
致谢
附录A 插图清单
附录B 插表清单
附录C 部分核心源程序
【参考文献】：
期刊论文
[1]基于卷积神经网络的岩石图像分类[J]. 程国建,郭文惠,范鹏召. 西安石油大学学报(自然科学版). 2017(04)
[2]利用除尘灰岩相分析研究高炉喷吹煤粉燃烧状况[J]. 马保良,张玉柱,许莹,蔡艳青. 矿冶. 2017(02)
[3]基于改进的卷积神经网络的图像分类性能[J]. 常祥,杨明. 重庆理工大学学报(自然科学). 2017(03)
[4]本钢新1号高炉降低瓦斯灰碳含量攻关[J]. 代兵,姜曦,王运国,张利,李鑫,刘云彩. 中国冶金. 2017(01)
[5]基于支持向量机的路面图像分类方法[J]. 段瑗,李春书,闫尧. 河北农业大学学报. 2016(06)
[6]极限学习机在高光谱遥感图像分类中的应用[J]. 李铁,张新君. 光电工程. 2016(11)
[7]参考1维光谱差异的区域生长种子点选取方法[J]. 李修霞,荆林海,李慧,唐韵玮,戈文艳. 中国图象图形学报. 2016(09)
[8]基于K-均值改进蚁群优化的彩色图像边缘检测算法[J]. 刘波平,孟莎莎,饶兰香,付康. 计算机与现代化. 2016(09)
[9]基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究[J]. 丁海勇,王雨轩,毛宇琼,许亚慧. 测绘通报. 2016(08)
[10]RGB空间下基于矢量梯度的彩色图像边缘检测算法改进[J]. 乔冬冬,赵子涛. 软件导刊. 2016(06)
硕士论文
[1]高炉煤气布袋除尘系统的研究[D]. 郭继红.重庆大学 2006
本文编号：3722021
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 研究对象与内容
1.3 国内外研究现状
1.3.1 瓦斯灰处理与分析的研究现状
1.3.2 图像分割方法的研究现状
1.3.3 图像分类方法的研究现状
1.4 论文的主要内容与安排
第二章 瓦斯灰显微图像的采集与目标成分分析
2.1 瓦斯灰显微图像的采集
2.1.1 瓦斯灰实物的收集
2.1.2 样本的制备
2.1.3 显微图像采集
2.2 瓦斯灰显微图像目标成分分析
2.3 本章小结
第三章 基于聚类分析的含碳物目标区域分割
3.1 基于Kmeans聚类的图像分割方法
3.2 基于Mean Shift聚类的图像分割方法
3.2.1 Mean Shift向量的基本形式
3.2.2 Mean Shift向量的扩展形式
3.2.3 Mean Shift向量的偏移过程
3.2.4 Mean Shift聚类
3.3 基于改进Mean Shift聚类的图像分割方法及含碳物目标区域的分割
3.3.1 改进思想与流程
3.3.2 分割原理及步骤
3.3.2.1 利用SLIC算法生成超像素
3.3.2.2 提取超像素特征
3.3.2.3 基于颜色-位置-纹理特征的Mean Shift聚类
3.3.2.4 区域合并
3.3.3 含碳物目标区域分割结果与分析
3.4 不同分割方法的结果比较与分析
3.5 本章小结
第四章 瓦斯灰显微图像中含碳物的识别
4.1 含碳物的特征提取与分析
4.1.1 颜色特征提取与分析
4.1.2 纹理特征提取与分析
4.1.3 边缘特征提取与分析
4.2 基于支持向量机的含碳物分类
4.2.1 支持向量机
4.2.2 含碳物的分类
4.2.2.1 特征量组合分类
4.2.2.2 特征量降维分类
4.2.2.3“二叉树”分类
4.2.3 不同分类方案的结果对比与分析
4.3 含碳物的识别结果与分析
4.4 本章小结
第五章 瓦斯灰显微图像中金属氧化物的识别
5.1 基于阈值分割的金属氧化物识别
5.2 金属氧化物的“固形+定位+排异”识别
5.2.1 基于超像素分割实现金属氧化物的“固形”
5.2.2 基于规则分类实现金属氧化物的“定位”
5.2.3 基于邻域差异实现金属氧化物的“排异”
5.3 与含碳物识别结果的融合
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
在学研究成果
致谢
附录A 插图清单
附录B 插表清单
附录C 部分核心源程序
【参考文献】：
期刊论文
[1]基于卷积神经网络的岩石图像分类[J]. 程国建,郭文惠,范鹏召. 西安石油大学学报(自然科学版). 2017(04)
[2]利用除尘灰岩相分析研究高炉喷吹煤粉燃烧状况[J]. 马保良,张玉柱,许莹,蔡艳青. 矿冶. 2017(02)
[3]基于改进的卷积神经网络的图像分类性能[J]. 常祥,杨明. 重庆理工大学学报(自然科学). 2017(03)
[4]本钢新1号高炉降低瓦斯灰碳含量攻关[J]. 代兵,姜曦,王运国,张利,李鑫,刘云彩. 中国冶金. 2017(01)
[5]基于支持向量机的路面图像分类方法[J]. 段瑗,李春书,闫尧. 河北农业大学学报. 2016(06)
[6]极限学习机在高光谱遥感图像分类中的应用[J]. 李铁,张新君. 光电工程. 2016(11)
[7]参考1维光谱差异的区域生长种子点选取方法[J]. 李修霞,荆林海,李慧,唐韵玮,戈文艳. 中国图象图形学报. 2016(09)
[8]基于K-均值改进蚁群优化的彩色图像边缘检测算法[J]. 刘波平,孟莎莎,饶兰香,付康. 计算机与现代化. 2016(09)
[9]基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究[J]. 丁海勇,王雨轩,毛宇琼,许亚慧. 测绘通报. 2016(08)
[10]RGB空间下基于矢量梯度的彩色图像边缘检测算法改进[J]. 乔冬冬,赵子涛. 软件导刊. 2016(06)
硕士论文
[1]高炉煤气布袋除尘系统的研究[D]. 郭继红.重庆大学 2006
本文编号：3722021
本文链接：https://www.wllwen.com/projectlw/yjlw/3722021.html
