基于OpenCV的接触网定位线夹状态智能检测
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 接触网检测技术介绍 | 第12-13页 |
| 1.2.2 国内外接触网检测技术发展 | 第13-14页 |
| 1.2.3 图像处理技术在接触网检测中的应用 | 第14页 |
| 1.2.4 定位线夹检测现状 | 第14-15页 |
| 1.2.5 接触网悬挂状态检测监测装置 | 第15-16页 |
| 1.2.6 OpenCV | 第16页 |
| 1.3 研究内容及结构安排 | 第16-19页 |
| 第2章 图像预处理 | 第19-31页 |
| 2.1 图像去噪 | 第19-20页 |
| 2.2 图像增强 | 第20-24页 |
| 2.2.1 直方图均衡原理 | 第21-22页 |
| 2.2.2 限制对比度自适应直方图均衡 | 第22-24页 |
| 2.3 图像分割 | 第24-29页 |
| 2.3.1 Canny边缘检测 | 第25-26页 |
| 2.3.2 4C图像边缘检测参数设计 | 第26-29页 |
| 2.4 形态学处理 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 定位线夹目标识别与定位 | 第31-48页 |
| 3.1 直线检测 | 第31-33页 |
| 3.2 基于结构特征的候选区域提取 | 第33-39页 |
| 3.2.1 基于形态学的直线聚类合并算法 | 第34-37页 |
| 3.2.2 基于定位线夹结构特征的检测 | 第37-39页 |
| 3.3 基于机器学习的定位线夹识别 | 第39-47页 |
| 3.3.1 方向梯度直方图特征提取 | 第40-42页 |
| 3.3.2 基于支持向量机的定位线夹识别 | 第42-45页 |
| 3.3.3 基于极限学习机的定位线夹识别 | 第45-47页 |
| 3.3.4 识别结果比较与分析 | 第47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 定位线夹状态检测 | 第48-56页 |
| 4.1 螺母区域提取 | 第48-50页 |
| 4.1.1 螺母区域初定位 | 第48-49页 |
| 4.1.2 螺母区域精定位 | 第49-50页 |
| 4.2 定位线夹缺陷识别 | 第50-54页 |
| 4.2.1 高宽比特征值 | 第52页 |
| 4.2.2 矩形度特征值 | 第52页 |
| 4.2.3 像素统计特征值 | 第52-53页 |
| 4.2.4 综合判定定位线夹状态 | 第53-54页 |
| 4.3 检测结果与分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 定位线夹状态检测系统的实现及应用 | 第56-65页 |
| 5.1 系统功能及总体设计 | 第56-58页 |
| 5.2 系统模块说明 | 第58-63页 |
| 5.2.1 图像预处理 | 第58-59页 |
| 5.2.2 定位线夹目标识别 | 第59-60页 |
| 5.2.3 定位线夹状态检测 | 第60-61页 |
| 5.2.4 样本采集与训练 | 第61-62页 |
| 5.2.5 显示与分析 | 第62-63页 |
| 5.3 实际线路测试 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
