基于改进聚类算法的光伏组件图像识别技术
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 第2章 基于改进聚类分析的光伏组件识别系统 | 第14-19页 |
| 2.1 系统硬件平台 | 第14-15页 |
| 2.2 光伏组件识别系统算法框架 | 第15-18页 |
| 2.3 光伏组件航拍图像识别的特殊性 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 光伏组件图像预处理与特征提取 | 第19-31页 |
| 3.1 图像预处理常用方法 | 第19-20页 |
| 3.2 针对无人机航拍图像的预处理过程 | 第20-25页 |
| 3.2.1 畸变矫正 | 第20-22页 |
| 3.2.2 雾霾去除 | 第22-25页 |
| 3.3 光伏组件图像特征提取 | 第25-29页 |
| 3.3.1 常用图像特征 | 第25-26页 |
| 3.3.2 颜色特征与纹理特征融合 | 第26-29页 |
| 3.4 特征编码 | 第29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 光伏组件的识别与轮廓提取 | 第31-43页 |
| 4.1 常用图像分类器 | 第31-32页 |
| 4.2 聚类算法在组件图像分类中的应用 | 第32-38页 |
| 4.2.1 聚类算法概述 | 第32-33页 |
| 4.2.2 聚类算法的局限 | 第33-35页 |
| 4.2.3 基于改进聚类算法的组件特征分类 | 第35-38页 |
| 4.3 组件轮廓提取 | 第38-42页 |
| 4.3.1 形态学处理 | 第38-40页 |
| 4.3.2 Canny算子边缘监测及轮廓提取 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 现场实测结果 | 第43-51页 |
| 5.1 光伏电池板识别率 | 第43页 |
| 5.2 和其他图像分类方法进行比较 | 第43-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |
