铁轨表面缺陷检测算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·铁轨表面缺陷类型 | 第8-9页 |
| ·铁轨表面缺陷视觉检测技术研究动态 | 第9-13页 |
| ·机器视觉在铁轨缺陷检测上的应用 | 第9-10页 |
| ·国外研究概况 | 第10-12页 |
| ·国内研究概况 | 第12-13页 |
| ·论文主要内容及结构安排 | 第13-15页 |
| 第二章 铁轨表面图像预处理 | 第15-33页 |
| ·铁轨表面区域定位 | 第15-18页 |
| ·图像增强 | 第18-26页 |
| ·全局直方图均衡化 | 第18-20页 |
| ·局部直方图均衡化 | 第20-21页 |
| ·局部Weber对比度裁剪法 | 第21-25页 |
| ·增强结果对比分析 | 第25-26页 |
| ·图像去噪 | 第26-32页 |
| ·平滑线性滤波 | 第27-28页 |
| ·统计排序滤波 | 第28-29页 |
| ·多级中值滤波 | 第29-30页 |
| ·去噪结果对比分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 铁轨表面图像分割 | 第33-43页 |
| ·最大熵阈值法 | 第33-34页 |
| ·最大类间方差法 | 第34-35页 |
| ·强调比例最大类间方差法 | 第35-38页 |
| ·参数选取分析 | 第37-38页 |
| ·分割结果对比分析 | 第38-39页 |
| ·形态学处理 | 第39-41页 |
| ·形态学基本运算 | 第39-41页 |
| ·实验结果与分析 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 铁轨表面缺陷提取 | 第43-51页 |
| ·缺陷标记与提取 | 第43-46页 |
| ·常用标记方法 | 第43-44页 |
| ·基于游程编码的递归标记法 | 第44-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·缺陷检测性能评估 | 第46页 |
| ·缺陷特征提取 | 第46-50页 |
| ·几何特征 | 第47-48页 |
| ·形状特征 | 第48-49页 |
| ·缺陷特征计算 | 第49页 |
| ·特征参数分析与选择 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 铁轨表面缺陷分类识别 | 第51-57页 |
| ·LVQ神经网络概述 | 第51-53页 |
| ·LVQ神经网络结构 | 第51-52页 |
| ·LVQ神经网络学习算法 | 第52-53页 |
| ·缺陷分类实现 | 第53-55页 |
| ·LVQ神经网络设计 | 第53-54页 |
| ·LVQ神经网络训练 | 第54-55页 |
| ·实验结果与分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第六章 主要结论与展望 | 第57-59页 |
| ·主要结论 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第63页 |
