| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题的背景和意义 | 第9页 |
| 1.2 国内外图像识别技术研究现状 | 第9-10页 |
| 1.3 图像识别技术在船厂的应用价值 | 第10-11页 |
| 1.4 船厂能源的管理现状与管理方案 | 第11-13页 |
| 1.4.1 船厂能源管理现状 | 第11页 |
| 1.4.2 船厂能源管理存在的问题 | 第11-12页 |
| 1.4.3 能源现状的管理方案 | 第12-13页 |
| 1.5 论文结构安排 | 第13-15页 |
| 第2章 图像识别理论及技术方法 | 第15-40页 |
| 2.1 图像识别技术的相关理论概述 | 第15-17页 |
| 2.1.1 图像识别的基本概念 | 第15页 |
| 2.1.2 图像的识别过程 | 第15-16页 |
| 2.1.3 图像识别系统的性能指标 | 第16-17页 |
| 2.2 图像预处理理论和方法 | 第17-27页 |
| 2.2.1 两种颜色模型RGB和 HSV介绍 | 第17-20页 |
| 2.2.2 数码管(LED)显示仪表图像预处理 | 第20-22页 |
| 2.2.3 液晶屏(LCD)显示数字仪表预处理 | 第22-27页 |
| 2.3 图像的倾斜校正 | 第27-32页 |
| 2.3.1 运用Canny算法进行边缘检测 | 第28-30页 |
| 2.3.2 霍夫变换求取图像倾斜角度 | 第30-32页 |
| 2.4 数字化仪表数字区域的定位 | 第32-36页 |
| 2.5 数字分割 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 数字的特征提取及识别 | 第40-52页 |
| 3.1 图像常用特征 | 第40-41页 |
| 3.1.1 纹理特征 | 第40页 |
| 3.1.2 结构特征 | 第40-41页 |
| 3.1.3 统计特征 | 第41页 |
| 3.2 数字图像特征提取 | 第41-43页 |
| 3.2.1 结构特征提取 | 第41-43页 |
| 3.2.2 统计特征提取 | 第43页 |
| 3.3 特征选择 | 第43-48页 |
| 3.3.1 穿线法提取结构特征 | 第44-47页 |
| 3.3.2 粗网格法提取统计特征 | 第47-48页 |
| 3.4 数字识别算法 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 硬件系统的搭建 | 第52-60页 |
| 4.1 能耗仪表的特征分析 | 第52页 |
| 4.2 图像识别技术总体方案设计 | 第52-56页 |
| 4.2.1 方案一：前端采集图像,PC端识别 | 第53-54页 |
| 4.2.2 方案二：前端采集加处理识别,后台整理分析数据 | 第54-56页 |
| 4.3 能耗仪表的逻辑配置 | 第56-58页 |
| 4.3.1 用户登录 | 第56-57页 |
| 4.3.2 主界面 | 第57页 |
| 4.3.3 仪表的云端配置 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 系统软件开发和案例分析 | 第60-69页 |
| 5.1 软件系统组成 | 第60页 |
| 5.2 人机识别界面 | 第60-62页 |
| 5.3 图像识别软件实例分析 | 第62-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 附录 | 第74-82页 |