基于Canny算子和神经网络复合绝缘子憎水性研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 2 复合绝缘子憎水性的检验方法 | 第14-20页 |
| 2.1 喷水分级法 | 第14-15页 |
| 2.2 接触角测量法 | 第15-17页 |
| 2.2.1 静态接触角测量法 | 第15-16页 |
| 2.2.2 动态接触角测量法 | 第16-17页 |
| 2.3 表面张力法 | 第17页 |
| 2.4 指示函数法 | 第17-18页 |
| 2.4.1 均熵法 | 第17-18页 |
| 2.4.2 改进形状因子法 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 3 憎水性图像预处理技术的研究 | 第20-34页 |
| 3.1 增强对比度的灰度化算法 | 第20-23页 |
| 3.1.1 灰度化实验对比 | 第20-22页 |
| 3.1.2 适合描述水珠和背景的度量 | 第22页 |
| 3.1.3 RGB颜色分量最小值图像灰度化算法 | 第22-23页 |
| 3.2 自适应平滑滤波 | 第23-32页 |
| 3.2.1 自适应平滑处理图像 | 第24-27页 |
| 3.2.2 参数h的选取与结果分析 | 第27-29页 |
| 3.2.3 多参数h自适应平滑滤波算法 | 第29页 |
| 3.2.4 多参数h自适应平滑滤波算法分析 | 第29-32页 |
| 3.3 本章小结 | 第32-34页 |
| 4 基于Canny算子的图像切割研究 | 第34-44页 |
| 4.1 Canny算子切割图像 | 第34-40页 |
| 4.1.1 Canny算子基本原理 | 第34-35页 |
| 4.1.2 Otsu法计算阈值 | 第35-37页 |
| 4.1.3 改进Canny算法 | 第37-38页 |
| 4.1.4 改进Canny算法分析 | 第38-40页 |
| 4.2 修正边缘图像 | 第40-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 BP神经网络识别 | 第44-52页 |
| 5.1 特征值的选取 | 第44页 |
| 5.2 BP神经网络 | 第44-50页 |
| 5.2.1 改进BP神经网络的方法 | 第48页 |
| 5.2.2 改进型BP神经网络算法的设计与实现 | 第48-50页 |
| 5.3 本章小结 | 第50-52页 |
| 6 结论与展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间参加的科研项目 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-65页 |
