由于核電的迅猛發(fā)展,核電對天然鈾的需求日益旺盛,鈾礦冶技術(shù)進入一個新的發(fā)展階段�，F(xiàn)階段提煉天然鈾的主要手段是堆浸技術(shù),為了節(jié)約資源和最大限度地提高經(jīng)濟效益,鈾礦冶企業(yè)必須積極研究堆浸技術(shù),提高堆浸技術(shù)的科技含量。礦石塊度是影響鈾礦石浸出率和浸出周期的關(guān)鍵因素,塊度分布是堆浸采鈾方法的一項重要技術(shù)指標,與酸耗率、浸出率等技術(shù)指標有直接關(guān)系,其合理與否決定了經(jīng)濟效益的好壞。人工檢測鈾礦石塊度參數(shù)及分布,耗時,費力,而且檢測數(shù)據(jù)不能實時反饋。采用數(shù)字圖像處理技術(shù),結(jié)合現(xiàn)代數(shù)據(jù)處理技術(shù)等軟測量技術(shù),能夠提高礦石塊度參數(shù)的檢測效率,降低檢測成本,提高檢測精度。利用圖像分析技術(shù)實時連續(xù)地進行在線鈾礦石塊度檢測和自動獲取礦石塊度分布,是鈾礦石塊度檢測技術(shù)發(fā)展的必然趨勢。采用數(shù)字圖像處理技術(shù)實現(xiàn)對礦石塊度參數(shù)進行在線測量,并確定礦石塊度參數(shù)的分布。首先,對攝相機進行標定,對采集的礦石圖像進行預處理,其中包括灰度化、去噪濾波、二值化和形態(tài)學濾波等操作。本文采用張正友相機標定算法對相機進行標定,研究了各種濾波算法,首次將圖像引導濾波應用于礦石圖像濾波;研究大津法和基于PCNN模型的圖像分割算法,提出基于最... 

【文章來源】：南華大學湖南省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 堆浸鈾礦石塊度分布、關(guān)鍵參數(shù)與浸出率的關(guān)系
        1.2.2 礦石外形特征與篩分尺寸的關(guān)系
        1.2.3 聚堆礦石圖像分割
        1.2.4 礦石塊度參數(shù)辨識
    1.3 章節(jié)安排
第2章 圖像預處理
    2.1 相機標定
        2.1.1 相機成像模型及各坐標系相互關(guān)系
        2.1.2 相機標定方法
        2.1.3 基于移動平面模板的相機標定方法原理及實現(xiàn)
    2.2 圖像濾波
        2.2.1 中值濾波
        2.2.2 雙邊濾波
        2.2.3 圖像引導濾波
    2.3 圖像二值化
        2.3.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN-Pulse Coupled Neural Networks）
        2.3.2 基于最大熵準則的PCNN圖像分割
        2.3.3 基于最小交叉熵準則的PCNN圖像分割
        2.3.4 基于最大類間后驗交叉熵準則的PCNN圖像分割
        2.3.5 實驗分析與主客觀評價
    2.4 本章小結(jié)
第3章 基于凹點匹配的數(shù)字圖像切割算法
    3.1 引言
    3.2 基于凹點匹配的數(shù)字圖像切割算法
        3.2.1 算法原理
        3.2.2 算法實現(xiàn)
        3.2.3 算法處理過程
        3.2.4 實驗結(jié)果及分析
    3.3 本章小結(jié)
第4章 礦石塊度圖像參數(shù)測量系統(tǒng)
    4.1 礦石粒徑參數(shù)測量與分布
        4.1.1 粒徑參數(shù)
        4.1.2 粒徑參數(shù)分布
    4.2 基于形狀特征的塊度參數(shù)測量方法
        4.2.1 基于形狀特征的塊度參數(shù)測量方法原理
        4.2.2 多種參數(shù)測量方法實驗
        4.2.3 實驗對比分析
    4.3 礦石塊度分布
    4.4 塊度圖像分析系統(tǒng)
    4.5 本章小結(jié)
第5章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻
發(fā)表論文及參與科研情況
致謝


【參考文獻】：
期刊論文
[1]不同粒徑分布分維數(shù)鈾礦石的浸出規(guī)律[J]. 葉勇軍,丁德馨,李廣悅,扶海鷹,宋鍵斌,胡南.  中國有色金屬學報. 2013(10)
[2]一種改進的粘連顆粒圖像分割算法[J]. 李希,王天江,周鵬.  湖南大學學報(自然科學版). 2012(12)
[3]基于圖像的原礦碎石粒度檢測與分析系統(tǒng)[J]. 張國英,邱波,劉冠洲,梁棟華,何鵬云.  冶金自動化. 2012(03)
[4]經(jīng)典圖像去噪算法研究綜述[J]. 方莉,張萍.  工業(yè)控制計算機. 2010(11)
[5]分水嶺算法的改進方法研究[J]. 刁智華,趙春江,郭新宇,陸聲鏈,王秀徽.  計算機工程. 2010(17)
[6]基于PCNN的圖像二值化及分割評價方法[J]. 馬義德,蘇茂君,陳銳.  華南理工大學學報(自然科學版). 2009(05)
[7]基于控制標記符分水嶺的醫(yī)學圖像分割[J]. 陳軍波,喻勝輝,舒振宇.  長江大學學報(自然科學版)理工卷. 2008(02)
[8]基于最大熵和PCNN的圖像分割新方法[J]. 朱冰,祝小平,余瑞星.  紅外技術(shù). 2008(05)
[9]一種自適應的Harris角點檢測算法[J]. 趙萬金,龔聲蓉,劉純平,沈項軍.  計算機工程. 2008(10)
[10]中國鈾礦采冶技術(shù)發(fā)展與展望[J]. 闕為民,王海峰,牛玉清,張飛鳳,谷萬成.  中國工程科學. 2008(03)

博士論文
[1]雙目立體視覺深度感知與三維重建若干問題研究[D]. 羅桂娥.中南大學 2012
[2]基于機器視覺的煤塵在線檢測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 劉偉華.山東大學 2011

碩士論文
[1]攝像機標定方法的研究[D]. 舒娜.南京理工大學 2014
[2]基于機器視覺的礦石粒度檢測技術(shù)研究[D]. 董珂.北京工業(yè)大學 2013
[3]基于分水嶺算法的分割方法研究[D]. 熊瞻.西南大學 2013
[4]機器視覺中相機標定方法的研究[D]. 路紅亮.沈陽工業(yè)大學 2013
[5]基于數(shù)字圖像處理技術(shù)的爆堆粒度分析[D]. 李凱.哈爾濱工業(yè)大學 2011
[6]圖像處理技術(shù)在巖石爆破塊度分析中的應用[D]. 楊金保.中國地質(zhì)大學（北京） 2009
[7]ImageJ在礦物初碎檢測中的應用[D]. 宋玉丹.太原理工大學 2008
[8]基于計算機視覺的粒度檢測應用研究[D]. 孫宗保.江蘇大學 2003



本文編號：3463276