基于无人机视觉的绝缘子缺陷识别检测研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 前言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究的目的与意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 本文主要研究内容及结构安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 基于图像特征点的绝缘子缺陷识别 | 第17-33页 |
| 2.1 绝缘子缺陷特征简介 | 第17-18页 |
| 2.2 RGB空间转换到Lab空间 | 第18-21页 |
| 2.3 绝缘子图像的图像分割 | 第21-28页 |
| 2.3.1 分割拍摄图像中的绝缘子 | 第21-25页 |
| 2.3.2 数学形态学及去噪处理 | 第25-26页 |
| 2.3.3 分割结果的连通域面积滤波 | 第26-28页 |
| 2.4 绝缘子特征的检测与定位 | 第28-32页 |
| 2.4.1 最小二乘法拟合图像 | 第28-29页 |
| 2.4.2 构建数学模型定位绝缘子串 | 第29-31页 |
| 2.4.3 绝缘子缺陷检测 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于SIFT的绝缘子缺陷识别 | 第33-43页 |
| 3.1 SIFT特征提取 | 第33-36页 |
| 3.1.1 尺度不变特征变换算法简介 | 第33页 |
| 3.1.2 构建尺度空间 | 第33-34页 |
| 3.1.3 空间极值点检测 | 第34-35页 |
| 3.1.4 特征点方向分配 | 第35-36页 |
| 3.1.5 关键点特征描述 | 第36页 |
| 3.2 绝缘子PCA-SIFT特征提取 | 第36-38页 |
| 3.2.1 生成尺度空间与确定特征点 | 第36页 |
| 3.2.2 主成分分析 | 第36-37页 |
| 3.2.3 构造PCA-SIFT特征点描述算子 | 第37-38页 |
| 3.3 无人机图像的绝缘子检测 | 第38-41页 |
| 3.3.1 基于SVM的识别 | 第38-40页 |
| 3.3.2 基于RANSAC的优化 | 第40-41页 |
| 3.4 绝缘子缺陷检测 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 算法效果测试与分析 | 第43-54页 |
| 4.1 测试环境 | 第43-44页 |
| 4.2 绝缘子缺陷识别算法效果比较 | 第44-51页 |
| 4.2.1 边缘检测算法的识别测试 | 第44-45页 |
| 4.2.2 基于特征点的缺陷识别测试 | 第45-48页 |
| 4.2.3 基于PCA-SIFT的缺陷识别测试 | 第48-51页 |
| 4.3 三种方法的比较分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 结论与展望 | 第54-56页 |
| 5.1 全文工作总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62页 |
