| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要工作及研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 2 变压器红外热像图预处理 | 第17-27页 |
| 2.1 红外热像图特点及噪声分析 | 第17-18页 |
| 2.1.1 红外热像图特点 | 第17页 |
| 2.1.2 红外热像图噪声分析 | 第17-18页 |
| 2.2 红外图像噪声处理 | 第18-22页 |
| 2.2.1 RGB图像模型及图像灰度化 | 第18-19页 |
| 2.2.2 基于形态学的改进中值滤波法 | 第19-21页 |
| 2.2.3 实验结果与分析 | 第21-22页 |
| 2.3 红外图像增强处理 | 第22-26页 |
| 2.3.1 灰度线性变换 | 第22-23页 |
| 2.3.2 对数变换 | 第23-24页 |
| 2.3.3 伽玛变换 | 第24-25页 |
| 2.3.4 实验结果及分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 变压器故障部位定位和图像分割 | 第27-45页 |
| 3.1 图像分割原理及经典分割方法 | 第27-28页 |
| 3.1.1 图像分割原理 | 第27-28页 |
| 3.1.2 几种经典图像分割算法 | 第28页 |
| 3.2 基于灰度重心的OSTU自适应图像阈值分割算法 | 第28-31页 |
| 3.2.1 OSTU阈值分割算法原理 | 第28-29页 |
| 3.2.2 基于灰度重心的OSTU阈值分割 | 第29-31页 |
| 3.3 重心点的映射及可见光图像中的图像分割 | 第31-42页 |
| 3.3.1 基于ITK的红外及可见光图像配准 | 第31-37页 |
| 3.3.2 基于重心点及Harris角点检测的可见光图像分割 | 第37-42页 |
| 3.4 实验结果及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 变压器故障部位图像识别及分类 | 第45-63页 |
| 4.1 卷积神经网络原理及结构 | 第45-52页 |
| 4.1.1 卷积神经网络原理 | 第45-50页 |
| 4.1.2 AlexNet卷积神经网络模型 | 第50-51页 |
| 4.1.3 SoftMax分类器 | 第51-52页 |
| 4.2 TensorFlow实验平台搭建 | 第52-55页 |
| 4.2.1 TensorFlow平台的搭建 | 第53-54页 |
| 4.2.2 TensorFlow工作原理 | 第54-55页 |
| 4.3 基于TensorFlow深度学习框架的变压器图像分类 | 第55-60页 |
| 4.3.1 数据预处理 | 第55-57页 |
| 4.3.2 模型的建立 | 第57-59页 |
| 4.3.3 模型的训练和评估 | 第59-60页 |
| 4.4 实验结果及分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 5 变压器故障红外诊断方案设计 | 第63-71页 |
| 5.1 变压器设备发热方式及故障类型 | 第63-65页 |
| 5.1.1 变压器发热方式及温度场分析 | 第63-65页 |
| 5.1.2 缺陷的确定和处理 | 第65页 |
| 5.2 变压器发热故障诊断方案设计 | 第65-67页 |
| 5.2.1 检测条件及方法 | 第65-66页 |
| 5.2.2 故障识别及诊断方案设计 | 第66-67页 |
| 5.3 实验结果及分析 | 第67-68页 |
| 5.4 本章小结 | 第68-71页 |
| 6 变压器故障嵌入式红外检测系统研制 | 第71-83页 |
| 6.1 系统的硬件框架 | 第71-73页 |
| 6.2 嵌入式变压器热故障检测系统的硬件设计 | 第73-76页 |
| 6.2.1 图像采集模块 | 第73-75页 |
| 6.2.2 图像存储模块 | 第75页 |
| 6.2.3 图像显示模块 | 第75-76页 |
| 6.2.4 电源模块 | 第76页 |
| 6.3 嵌入式变压器热故障检测系统的软件设计 | 第76-82页 |
| 6.3.1 Linux系统的移植 | 第76-80页 |
| 6.3.2 Qt软件的移植 | 第80-81页 |
| 6.3.3 变压器故障红外检测算法的移植 | 第81-82页 |
| 6.4 实验结果分析 | 第82页 |
| 6.5 本章小结 | 第82-83页 |
| 7 总结及展望 | 第83-85页 |
| 7.1 课题总结 | 第83-84页 |
| 7.2 研究展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 个人简历、在学期间发表的学术论文及科研成果 | 第90页 |
