| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外列车诊断技术研究现状 | 第11-12页 |
| 1.2.2 国内列车诊断技术研究现状 | 第12-15页 |
| 1.3 课题来源 | 第15-16页 |
| 1.4 本文工作 | 第16-17页 |
| 1.4.1 研究内容及目标 | 第16页 |
| 1.4.2 主要研究方法 | 第16页 |
| 1.4.3 论文结构 | 第16-17页 |
| 第2章 走行部故障检测图像技术基础 | 第17-31页 |
| 2.1 图像处理基础 | 第17-26页 |
| 2.1.1 光照不均校正 | 第17-19页 |
| 2.1.2 图像增强 | 第19-22页 |
| 2.1.3 图像分割 | 第22-23页 |
| 2.1.4 边缘提取 | 第23-26页 |
| 2.2 特征提取算法 | 第26-30页 |
| 2.2.1 HOG特征 | 第26-27页 |
| 2.2.2 LBP特征 | 第27-29页 |
| 2.2.3 SURF特征 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 轴箱螺栓丢失检测 | 第31-46页 |
| 3.1 轴箱螺栓丢失故障描述 | 第31-32页 |
| 3.2 样本制作 | 第32-33页 |
| 3.2.1 正样本的制作 | 第32-33页 |
| 3.2.2 负样本的制作 | 第33页 |
| 3.3 基于HOG特征与SVM分类器的轴箱定位 | 第33-42页 |
| 3.3.1 HOG特征提取 | 第34-36页 |
| 3.3.2 SVM原理介绍 | 第36-37页 |
| 3.3.3 SVM训练与定位结果 | 第37-40页 |
| 3.3.4 算法对比 | 第40-42页 |
| 3.4 轴箱螺栓丢失故障识别 | 第42-45页 |
| 3.4.1 二值化与边缘提取 | 第42-43页 |
| 3.4.2 故障识别改进算法 | 第43-44页 |
| 3.4.3 故障识别结果 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 牵引拉杆裂纹检测 | 第46-63页 |
| 4.1 牵引拉杆裂纹故障描述 | 第46-47页 |
| 4.2 样本制作 | 第47-48页 |
| 4.2.1 正样本的制作 | 第47-48页 |
| 4.2.2 负样本的制作 | 第48页 |
| 4.3 基于LBP特征与Adaboost分类器的牵引拉杆定位 | 第48-57页 |
| 4.3.1 LBP特征提取 | 第49-50页 |
| 4.3.2 Adaboost原理介绍 | 第50-51页 |
| 4.3.3 Adaboost训练与定位结果 | 第51-56页 |
| 4.3.4 算法对比 | 第56-57页 |
| 4.4 牵引拉杆裂纹故障识别 | 第57-62页 |
| 4.4.1 OTUS阈值化分割 | 第58-59页 |
| 4.4.2 裂纹分离 | 第59-61页 |
| 4.4.3 裂纹特征计算 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 抗侧滚扭杆变形检测 | 第63-75页 |
| 5.1 抗侧滚扭杆变形故障描述 | 第63页 |
| 5.2 基于特征的图像匹配 | 第63-65页 |
| 5.3 基于SURF特征与模板匹配的抗侧滚扭杆定位 | 第65-70页 |
| 5.3.1 SURF特征提取 | 第65-66页 |
| 5.3.2 特征匹配与误匹配消除 | 第66-68页 |
| 5.3.3 算法对比 | 第68-70页 |
| 5.4 抗侧滚扭杆变形故障识别 | 第70-74页 |
| 5.4.1 图像预处理 | 第70-71页 |
| 5.4.2 边缘信息提取 | 第71-72页 |
| 5.4.3 故障判断 | 第72-74页 |
| 5.5 本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |