基于机器视觉的货车典型故障图像识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文的选题背景和研究意义 | 第8-9页 |
| 1.2 机器视觉技术 | 第9-10页 |
| 1.2.1 机器视觉技术的研究现状 | 第9页 |
| 1.2.2 机器视觉技术的应用 | 第9-10页 |
| 1.3 货车运行故障动态图像检测系统 | 第10-12页 |
| 1.3.1 系统原理 | 第10页 |
| 1.3.2 系统功能 | 第10-11页 |
| 1.3.3 系统组成 | 第11-12页 |
| 1.4 TFDS图像识别技术的应用现状和研究现状 | 第12-13页 |
| 1.4.1 TFDS图像自动识别技术的应用现状 | 第12页 |
| 1.4.2 TFDS图像自动识别技术的研究现状 | 第12-13页 |
| 1.5 论文工作 | 第13-14页 |
| 1.5.1 论文研究内容及目标 | 第13页 |
| 1.5.2 论文研究方法 | 第13页 |
| 1.5.3 论文组织结构 | 第13-14页 |
| 2 数字图像处理技术的理论基础 | 第14-20页 |
| 2.1 数字图像的表示 | 第14页 |
| 2.2 图像增强 | 第14-16页 |
| 2.2.1 Retinex算法 | 第14-15页 |
| 2.2.2 双边滤波 | 第15-16页 |
| 2.3 图像分割 | 第16-17页 |
| 2.3.1 最大类间方差法 | 第16页 |
| 2.3.2 区域生长法 | 第16-17页 |
| 2.4 边缘检测 | 第17-20页 |
| 2.4.1 Canny边缘检测算法 | 第17-18页 |
| 2.4.2 Hough变换 | 第18-20页 |
| 3 图像预处理阶段算法研究 | 第20-35页 |
| 3.1 噪声消除 | 第20-24页 |
| 3.1.1 椒盐噪声滤波算法 | 第20-22页 |
| 3.1.2 噪声消除效果图的对比分析 | 第22-24页 |
| 3.2 光照补偿 | 第24-29页 |
| 3.2.1 改进的Retinex算法 | 第24-27页 |
| 3.2.2 光照补偿效果图的对比分析 | 第27-29页 |
| 3.3 图像去雾 | 第29-35页 |
| 3.3.1 图像去雾算法 | 第29-32页 |
| 3.3.2 图像去雾效果图的对比分析 | 第32-35页 |
| 4 图像特征提取及故障判断阶段算法研究 | 第35-49页 |
| 4.1 基于区域特征的故障识别 | 第35-40页 |
| 4.1.1 转向架挡键丢失故障形态 | 第35-36页 |
| 4.1.2 挡键丢失故障识别算法 | 第36-40页 |
| 4.2 基于边界特征的故障识别 | 第40-44页 |
| 4.2.1 锁紧板紧固螺栓松动故障形态 | 第41页 |
| 4.2.2 紧固螺栓松动故障识别算法 | 第41-44页 |
| 4.3 基于结构特征的故障识别 | 第44-49页 |
| 4.3.1 转向架交叉杆弯曲故障形态 | 第44-45页 |
| 4.3.2 交叉杆弯曲故障识别算法 | 第45-49页 |
| 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 攻读学位期间的研究成果 | 第53页 |
