

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、CCD是當今圖像傳感器的主流技術(shù),也是技術(shù)最成熟、應(yīng)用最廣泛的可見光圖像傳感器,以其光譜響應(yīng)寬、動態(tài)范圍大、靈敏度和幾何精度高、噪聲低、分辨率高、便于進行數(shù)字化處理和計算機連接等特點,在自動測量、設(shè)備檢測、安全監(jiān)控等領(lǐng)域得到了廣泛的應(yīng)用,并且應(yīng)用領(lǐng)域不斷擴大。
我國礦產(chǎn)資源開發(fā)的過程中,存在資源利用率普遍不高和開發(fā)技術(shù)和裝備落后等問題,而研制和開發(fā)高性能的分析檢測儀表是提高礦業(yè)生產(chǎn)過程監(jiān)測及自動化水平的核心。在選礦生產(chǎn)過程中,
2、工藝流程具有復(fù)雜性、多參數(shù)性和多變量性,其中泡沫特征是關(guān)鍵參數(shù)之一,對泡沫特征參數(shù)測量在指導(dǎo)生產(chǎn)、節(jié)約藥劑、控制產(chǎn)品質(zhì)量和提高回收率等方面起著非常關(guān)鍵的作用。
近年來,隨著計算機技術(shù)、數(shù)字圖像技術(shù)和圖像采集設(shè)備等的迅猛發(fā)展,浮選工業(yè)過程由人工觀察泡沫來進行現(xiàn)場操作的傳統(tǒng)方式已經(jīng)不適應(yīng)浮選過程計算機控制的需要,“計算機視覺”代替人的視覺,利用數(shù)字圖像技術(shù)來改善礦物加工新技術(shù)的開發(fā)已經(jīng)成為新的發(fā)展趨勢,對選礦廠實現(xiàn)智能化控制具有非
3、常重要的意義。
本文通過對浮選泡沫圖像特點及特征的深入分析,重點研究了浮選泡沫圖像的分割算法,包括常規(guī)分割方法和形態(tài)學(xué)處理方法,并且以面向?qū)ο缶幊谭椒榛A(chǔ),采用Visual C++6.0(VC++)為開發(fā)工具,在Windows環(huán)境下開發(fā)了浮選泡沫圖像特征提取與識別系統(tǒng)。整個系統(tǒng)主要由灰度變換、圖像增強、邊緣檢測、輪廓提取、特征提取等幾大模塊組成。由于浮選泡沫相互粘連,應(yīng)用常規(guī)的圖像分割方法難以得到準確的分割結(jié)果,為此,本文提
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人臉圖像的特征提取與識別.pdf
- 圖像對象特征提取與識別.pdf
- 基于多閾值計算的圖像特征提取與識別.pdf
- 人臉圖像特征提取與識別研究.pdf
- 基于人臉識別的圖像特征提取研究與實現(xiàn).pdf
- 基于代數(shù)方法的人臉圖像特征提取與識別.pdf
- 基于ISAR圖像的艦船目標的特征提取與識別.pdf
- 紙幣圖像特征提取與識別算法研究
- SAR圖像目標特征提取與識別算法研究.pdf
- 基于圖像紋理特征提取方法的人臉識別.pdf
- 基于EMD的信號特征提取與識別.pdf
- 基于矩特征提取的圖像識別算法研究.pdf
- 基于序列圖像的表情特征提取和識別.pdf
- 基于小波變換的SAR圖像特征提取與識別研究.pdf
- 基于CT圖像的肺部周圍型腫瘤特征提取與識別.pdf
- 人臉識別中基于圖像局部結(jié)構(gòu)的特征提取與分類研究.pdf
- 基于細胞核分析的癌細胞圖像特征提取與識別.pdf
- 人臉識別與特征提取.pdf
- 人臉特征提取與識別.pdf
- 圖像檢測與識別的特征提取算法研究.pdf
評論
0/150
提交評論