| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 电力系统智能巡检机器人研究现状 | 第12-13页 |
| 1.3 物体识别的研究现状 | 第13-16页 |
| 1.3.1 基于全局特征的物体识别算法研究现状 | 第14页 |
| 1.3.2 基于局部特征的物体识别算法研究现状 | 第14-16页 |
| 1.4 图像增强技术研究现状 | 第16-17页 |
| 1.5 变电站高压隔离开关状态自动识别面临困难 | 第17-18页 |
| 1.6 本文研究内容 | 第18-20页 |
| 第2章 智能巡检机器人系统介绍 | 第20-29页 |
| 2.1 智能巡检机器人系统架构 | 第20-21页 |
| 2.2 智能巡检机器人系统的硬件构成 | 第21-24页 |
| 2.2.1 机械运动部分 | 第21-22页 |
| 2.2.2 检测及其辅助部分 | 第22-23页 |
| 2.2.3 控制部分 | 第23-24页 |
| 2.3 智能巡检机器人系统的软件设计 | 第24-26页 |
| 2.4 智能巡检机器人导航系统介绍 | 第26-28页 |
| 2.4.1 基于磁导航的最优路径规划 | 第26-27页 |
| 2.4.2 基于图论的智能寻迹方案 | 第27-28页 |
| 2.4.3 机器人导航系统对于隔离开关自动识别的影响 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 新型信息量直方图在高压隔离开关图像增强中的应用研究 | 第29-51页 |
| 3.1 引言 | 第29页 |
| 3.2 传统直方图图像数据描述的缺陷 | 第29-31页 |
| 3.3 基于SIFT关键点检测的新型信息量直方图构造方法 | 第31-41页 |
| 3.3.1 SIFT关键点检测原理 | 第31-39页 |
| 3.3.1.1 高斯金字塔的构建 | 第32-34页 |
| 3.3.1.2 高斯差分金字塔（DoG）的构建 | 第34-35页 |
| 3.3.1.3 局部极值点的检测和筛选 | 第35-39页 |
| 3.3.2 基于SIFT关键点检测的信息量直方图基本原理及算法描述 | 第39-41页 |
| 3.3.2.1 基本原理 | 第39-40页 |
| 3.3.2.2 算法描述 | 第40-41页 |
| 3.4 基于新型信息量直方图构造的图像增强算法 | 第41-42页 |
| 3.5 实验结果与对比分析 | 第42-50页 |
| 3.5.1 基于信息量直方图和传统直方图的增强效果对比分析 | 第42-45页 |
| 3.5.2 信息量直方图在隔离开关图像增强中的应用 | 第45-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于SIFT关键点匹配分析的高压隔离开关状态自动识别研究 | 第51-73页 |
| 4.1 引言 | 第51页 |
| 4.2 基于SIFT关键点匹配分析的目标识别原理 | 第51-52页 |
| 4.3 算法描述 | 第52-58页 |
| 4.3.1 关键点检测 | 第52-53页 |
| 4.3.2 关键点描述 | 第53-56页 |
| 4.3.3 基于关键点匹配分析的目标识别 | 第56-57页 |
| 4.3.4 基于SIFT关键点匹配分析的高压隔离开关状态识别算法 | 第57-58页 |
| 4.4 实验结果与分析 | 第58-71页 |
| 4.4.1 不同高压隔离开关状态的图像采集 | 第58-61页 |
| 4.4.2 基于全景图像匹配的隔离开关状态自动识别结果 | 第61-62页 |
| 4.4.3 基于目标局部图像匹配的隔离开关状态自动识别结果 | 第62-64页 |
| 4.4.4 对比分析与讨论 | 第64-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 本论文工作的总结 | 第73页 |
| 5.2 进一步的研究方向 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 附录 | 第80-82页 |
| 致谢 | 第82-83页 |
