| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 钢轨表面缺陷检测的研究现状 | 第10页 |
| 1.2.2 基于图像处理的钢轨表面缺陷检测研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 2 钢轨表面区域提取 | 第13-20页 |
| 2.1 钢轨图像的采集 | 第13-16页 |
| 2.1.1 摄像机和光源的选择 | 第13-15页 |
| 2.1.2 图像采集软件 | 第15-16页 |
| 2.2 钢轨表面区域提取 | 第16-19页 |
| 2.2.1 现有的钢轨表面区域提取方法 | 第16-17页 |
| 2.2.2 基于灰度垂直投影的钢轨表面提取算法 | 第17-19页 |
| 2.3 小结 | 第19-20页 |
| 3 基于灰度差异的缺陷图像预判断算法 | 第20-30页 |
| 3.1 图像增强 | 第20-26页 |
| 3.1.1 常用的图像增强方法 | 第20-24页 |
| 3.1.2 增强结果与定性分析 | 第24-25页 |
| 3.1.3 增强结果定量分析 | 第25-26页 |
| 3.2 缺陷图像的提取 | 第26-29页 |
| 3.2.1 钢轨表面图像分析 | 第27页 |
| 3.2.2 缺陷图像预判断 | 第27-29页 |
| 3.3 预判断算法仿真实验结果与分析 | 第29页 |
| 3.4 小结 | 第29-30页 |
| 4 基于改进主动轮廓模型的钢轨表面缺陷分割算法 | 第30-51页 |
| 4.1 图像分割方法及主动轮廓模型概述 | 第30-34页 |
| 4.1.1 图像分割方法概述 | 第30-32页 |
| 4.1.2 主动轮廓模型概述 | 第32-34页 |
| 4.2 几种典型的主动轮廓模型 | 第34-38页 |
| 4.2.1 C-V模型 | 第34-36页 |
| 4.2.2 LBF模型 | 第36-38页 |
| 4.3 改进的主动轮廓模型 | 第38-43页 |
| 4.3.1 图像灰度信息分析 | 第39-40页 |
| 4.3.2 模型的建立 | 第40-41页 |
| 4.3.3 模型的求解 | 第41-43页 |
| 4.4 仿真实验结果与分析 | 第43-50页 |
| 4.4.1 仿真实验结果分析说明 | 第43-44页 |
| 4.4.2 钢轨表面掉块缺陷的分割 | 第44-46页 |
| 4.4.3 钢轨表面裂纹的分割 | 第46-48页 |
| 4.4.4 钢轨表面接缝的分割 | 第48-50页 |
| 4.5 小结 | 第50-51页 |
| 5 钢轨表面缺陷识别 | 第51-60页 |
| 5.1 钢轨表面目标区域特征提取 | 第51-54页 |
| 5.1.1 特征描述 | 第51-53页 |
| 5.1.2 特征提取 | 第53-54页 |
| 5.2 BP神经网络分类及识别 | 第54-57页 |
| 5.2.1 BP神经网络及动量BP法 | 第54-56页 |
| 5.2.2 网络结构的设置 | 第56-57页 |
| 5.3 仿真实验结果与分析 | 第57-58页 |
| 5.4 小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |