巡道车视频检测系统的设计及关键技术的实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-12页 |
| ·国内外相关现状 | 第12-14页 |
| ·国外发展现状 | 第12-13页 |
| ·国内发展现状 | 第13-14页 |
| ·本文的主要工作及创新点 | 第14-16页 |
| ·本篇论文的主要工作 | 第14-15页 |
| ·本篇论文的主要特色及创新点 | 第15-16页 |
| 2 系统总体构成及技术方案 | 第16-22页 |
| ·巡道车视频处理系统的构成 | 第16页 |
| ·巡道车视频处理系统的工作流程 | 第16-18页 |
| ·图像处理系统的总体设计 | 第18-19页 |
| ·图像处理系统的主要技术 | 第19-22页 |
| 3 图像预处理功能块的设计 | 第22-32页 |
| ·图像的灰度化 | 第22页 |
| ·图像的增强 | 第22-24页 |
| ·图像的平滑去噪 | 第24-27页 |
| ·图像边缘检测 | 第27-31页 |
| ·图像的二值化 | 第31-32页 |
| 4 基于快速分割算法的关键目标提取功能块设计 | 第32-46页 |
| ·各种纹理提取方法的原理及区别 | 第32-33页 |
| ·先验知识下的经纬线纹理分割法介绍 | 第33-39页 |
| ·先验知识下的经纬线纹理分割法定位结果 | 第39-41页 |
| ·先验知识下的经纬线纹理分割法的自适应性改进 | 第41-43页 |
| ·道床区域的目标定位 | 第43-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·扣件分割 | 第44页 |
| ·道床分割 | 第44-46页 |
| 5 基于纹理分析的道床状态检测 | 第46-54页 |
| ·道床状态检测模块的设计 | 第46-47页 |
| ·基于灰度共生矩阵的纹理分析 | 第47-50页 |
| ·灰度共生矩阵的定义 | 第48-49页 |
| ·用于描述道床状态的纹理特征值 | 第49-50页 |
| ·基于BP神经网络的分类器的设计 | 第50-53页 |
| ·道床状态检测算法在本系统中的应用 | 第53-54页 |
| 6 基于PCA及BP分类器的扣件状态识别 | 第54-68页 |
| ·扣件状态检测的介绍 | 第54-56页 |
| ·PCA算法在扣件状态识别中的应用 | 第56-62页 |
| ·PCA算法的基本原理 | 第56-57页 |
| ·PCA扣件识别流程 | 第57-59页 |
| ·特征向量的选取 | 第59页 |
| ·分类器算法的选取 | 第59-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·实验数据库 | 第62-63页 |
| ·实验分析 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 7 巡道车视频检测系统的软件实现 | 第68-72页 |
| ·开发环境的选择 | 第68-69页 |
| ·软件处理流程 | 第69页 |
| ·软件的实现结果 | 第69-72页 |
| 8 结论与展望 | 第72-74页 |
| ·本文的总结 | 第72-73页 |
| ·本文的进一步工作 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 作者简历 | 第76-80页 |
| 学位论文数据集 | 第80页 |
