摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第11-18页 |
1.1 课题的研究背景及意义 | 第11-12页 |
1.1.1 铁路图像检测的意义 | 第11页 |
1.1.2 铁路图像光照不均匀问题 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.2.3 光照不均匀图像研究现状 | 第14-16页 |
1.3 本文的工作及内容安排 | 第16-18页 |
1.3.1 本文的主要研究工作 | 第16-17页 |
1.3.2 论文内容章节安排 | 第17-18页 |
第2章 图像增强算法综述 | 第18-31页 |
2.1 引言 | 第18页 |
2.2 图像增强算法 | 第18-29页 |
2.2.1 直方图均衡化 | 第19-22页 |
2.2.2 Retinex算法 | 第22-25页 |
2.2.3 同态滤波算法 | 第25-28页 |
2.2.4 同态滤波算法与Retinex算法比较 | 第28-29页 |
2.3 算法比较 | 第29-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于二维经验模态分解的铁路光照不均图像增强算法 | 第31-50页 |
3.1 引言 | 第31页 |
3.2 希尔伯特-黄理论与二维经验模态分解 | 第31-34页 |
3.3 二维经验模态分解 | 第34-43页 |
3.3.1 局部极值点选取 | 第36-37页 |
3.3.2 局部极值点包络面构造 | 第37-41页 |
3.3.3 边界效应问题处理 | 第41-43页 |
3.4 基于BEMD和直方图均衡化的铁路图像增强算法 | 第43-47页 |
3.5 结果分析 | 第47-49页 |
3.6 本章小结 | 第49-50页 |
第4章 扣件缺陷检测算法 | 第50-63页 |
4.1 引言 | 第50页 |
4.2 扣件区域定位 | 第50-53页 |
4.3 基于轮廓追踪的扣件边缘优化算法 | 第53-60页 |
4.3.1 图像的HOG特征 | 第53-55页 |
4.3.2 扣件的边缘HOG特征 | 第55-57页 |
4.3.3 扣件边缘轮廓优化 | 第57-60页 |
4.4 支持向量机分类 | 第60-62页 |
4.5 本章小结 | 第62-63页 |
总结与展望 | 第63-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-70页 |
攻读硕士学位期间发表的论文 | 第70页 |