| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及研究意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 输电线路的无人机巡检研究现状 | 第13-14页 |
| 1.2.2 绝缘子自爆特征识别的研究现状 | 第14-16页 |
| 1.3 研究内容与章节安排 | 第16-18页 |
| 第二章 计算机视觉与模式识别 | 第18-27页 |
| 2.1 计算机视觉 | 第18-19页 |
| 2.1.1 计算机视觉概述 | 第18-19页 |
| 2.1.2 计算机视觉的发展与应用 | 第19页 |
| 2.2 图像处理技术 | 第19-20页 |
| 2.2.1 图像处理技术概述 | 第19-20页 |
| 2.2.2 图像处理技术的特点及应用 | 第20页 |
| 2.3 模式识别 | 第20-26页 |
| 2.3.1 模式识别概述 | 第20-21页 |
| 2.3.2 模板匹配 | 第21-22页 |
| 2.3.3 统计模式识别 | 第22-23页 |
| 2.3.4 结构模式识别 | 第23-24页 |
| 2.3.5 模糊模式识别和人工神经网络模式识别 | 第24页 |
| 2.3.6 模式识别的新进展及其在图像处理中的应用 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于计算机视觉的航拍绝缘子自爆特征识别 | 第27-45页 |
| 3.1 绝缘子自爆特征简介 | 第27-28页 |
| 3.2 RGB空间转换到LAB空间 | 第28-30页 |
| 3.3 绝缘子图像分割 | 第30-38页 |
| 3.3.1 分割航拍图像中的绝缘子 | 第31-34页 |
| 3.3.2 数学形态学及“与”运算去噪处理 | 第34-36页 |
| 3.3.3 分割结果的连通域面积滤波 | 第36-38页 |
| 3.4 绝缘子自爆特征的检测与定位 | 第38-44页 |
| 3.4.1 最小二乘法直线拟合绝缘子图像 | 第38-40页 |
| 3.4.2 构建数学模型定位绝缘子串 | 第40-43页 |
| 3.4.3 绝缘子自爆特征的定位 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于模式识别的航拍绝缘子自爆特征识别 | 第45-60页 |
| 4.1 航拍图像的绝缘子特征提取 | 第45-54页 |
| 4.1.1 提取航拍绝缘子SIFT特征 | 第45-51页 |
| 4.1.2 绝缘子SURF特征提取 | 第51-54页 |
| 4.2 航拍图像的绝缘子检测 | 第54-58页 |
| 4.2.1 支持向量机（SVM）识别绝缘子 | 第54-56页 |
| 4.2.2 RANSAC优化识别结果 | 第56-58页 |
| 4.3 绝缘子自爆特征检测 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 算法效果测试与分析 | 第60-70页 |
| 5.1 测试环境 | 第60-61页 |
| 5.1.1 硬件环境 | 第60页 |
| 5.1.2 软件环境 | 第60-61页 |
| 5.2 航拍图像的绝缘子自爆识别算法效果比较测试 | 第61-69页 |
| 5.2.1 依赖边缘检测算法的绝缘子自爆识别测试 | 第61-62页 |
| 5.2.2 不依赖边缘检测算法的绝缘子自爆识别测试 | 第62-65页 |
| 5.2.3 SVM算法的绝缘子自爆识别测试 | 第65-68页 |
| 5.2.4 三种方法的缺陷识别率及误识别率比较分析 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 全文工作总结 | 第70-71页 |
| 6.2 未来工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间研究成果 | 第77-78页 |
