货车螺栓丢失故障图像识别算法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 图像模式识别理论的现状 | 第13-18页 |
| 1.2.1 图像预处理技术的研究现状 | 第14-15页 |
| 1.2.2 图像特征提取技术的研究现状 | 第15-16页 |
| 1.2.3 分类器的研究现状 | 第16页 |
| 1.2.4 参数优化问题的研究现状 | 第16-18页 |
| 1.3 货车故障检测技术的研究现状 | 第18-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第2章 基于IRAMF算法的滤波方法研究 | 第21-42页 |
| 2.1 引言 | 第21页 |
| 2.2 RAMF算法的原理 | 第21-24页 |
| 2.3 IRAMF算法的设计 | 第24-33页 |
| 2.3.1 多级噪声检测策略 | 第24-29页 |
| 2.3.2 自适应滤波策略 | 第29-32页 |
| 2.3.3 整体流程 | 第32-33页 |
| 2.4 IRAMF算法的性能分析 | 第33-41页 |
| 2.4.1 实验环境 | 第33-35页 |
| 2.4.2 结果与分析 | 第35-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 基于CDLBP算子的特征提取方法研究 | 第42-61页 |
| 3.1 引言 | 第42-43页 |
| 3.2 LBP算子的原理 | 第43-46页 |
| 3.2.1 编码方式 | 第43-44页 |
| 3.2.2 模式选择 | 第44-46页 |
| 3.3 CDLBP算子的设计 | 第46-53页 |
| 3.3.1 编码策略 | 第47-51页 |
| 3.3.2 模式选择策略 | 第51-53页 |
| 3.4 CDLBP算子的性能分析 | 第53-60页 |
| 3.4.1 关键环节的设计 | 第54-56页 |
| 3.4.2 实验结果与分析 | 第56-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于ITLBO算法的参数优化方法研究 | 第61-93页 |
| 4.1 引言 | 第61页 |
| 4.2 TLBO算法的原理 | 第61-63页 |
| 4.2.1 教师教学阶段 | 第61-63页 |
| 4.2.2 学生交流阶段 | 第63页 |
| 4.3 ITLBO算法的设计 | 第63-73页 |
| 4.3.1 优选策略 | 第64页 |
| 4.3.2 自适应教师教学阶段 | 第64-68页 |
| 4.3.3 自适应学生交流阶段 | 第68-71页 |
| 4.3.4 ITLBO算法的结构 | 第71-72页 |
| 4.3.5 时间复杂度分析 | 第72-73页 |
| 4.4 ITLBO算法的性能分析 | 第73-92页 |
| 4.4.1 其他算法 | 第73-77页 |
| 4.4.2 实验参数 | 第77-78页 |
| 4.4.3 固定维函数优化问题 | 第78-80页 |
| 4.4.4 可变维函数优化问题 | 第80-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第5章 货车故障图像识别算法的实验研究 | 第93-112页 |
| 5.1 引言 | 第93页 |
| 5.2 TFDS-3 系统的结构 | 第93-96页 |
| 5.3 TFDS系统故障检测的技术要求 | 第96-97页 |
| 5.4 货车故障图像识别算法的设计 | 第97-107页 |
| 5.4.1 预处理环节的设计 | 第97-99页 |
| 5.4.2 特征提取环节的设计 | 第99-100页 |
| 5.4.3 分类识别环节的设计 | 第100-102页 |
| 5.4.4 基于Gabor变换的实现方案 | 第102-107页 |
| 5.5 货车故障图像识别算法的性能分析 | 第107-111页 |
| 5.5.1 算法识别心盘螺栓丢失故障时的性能 | 第107-108页 |
| 5.5.2 算法识别钩尾扁销螺栓丢失故障时的性能 | 第108-109页 |
| 5.5.3 算法识别安全链脱落故障时的性能 | 第109-111页 |
| 5.6 本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读博士学位期间发表的论文及其他成果 | 第125-127页 |
| 致谢 | 第127-128页 |
| 个人简历 | 第128页 |
