| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及存在的问题 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第2章 智能视频监控图像预处理技术 | 第14-18页 |
| 2.1 图像灰度化 | 第14-15页 |
| 2.2 图像预处理技术原理介绍 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 复杂条件下电力设备基本形状检测与数目辨识 | 第18-30页 |
| 3.1 随机 Hough 变换圆检测原理 | 第19页 |
| 3.2 利用图像处理和梯度算法对随机 Hough 算法改进 | 第19-21页 |
| 3.2.1 对原始图像进行改进预处理 | 第19-20页 |
| 3.2.2 利用半径和圆心距离减少无效积累 | 第20页 |
| 3.2.3 利用梯度减少无效积累 | 第20-21页 |
| 3.3 复杂条件下实际检测图像和分析 | 第21-26页 |
| 3.3.1 边缘图像和加强边缘图像比较 | 第22-23页 |
| 3.3.2 利用随机 Hough 变换进行检测和结果分析 | 第23页 |
| 3.3.3 利用通用的方法进行检测和结果分析 | 第23-26页 |
| 3.4 使用本文的方法进行检测和结果分析 | 第26-28页 |
| 3.4.1 在复杂图像下检测圆 | 第26-28页 |
| 3.4.2 改进算法的特点和优点分析 | 第28页 |
| 3.5 本章小结 | 第28-30页 |
| 第4章 变电站开关状态智能视觉识别方法 | 第30-42页 |
| 4.1 SIFT 变换算法原理介绍 | 第31-34页 |
| 4.1.1 构建尺度空间 | 第31-32页 |
| 4.1.2 DOG 的局部极值点的检测 | 第32页 |
| 4.1.3 确定特征点的主方向 | 第32-33页 |
| 4.1.4 特征点描述子的生成 | 第33页 |
| 4.1.5 SIFT 特征向量匹配 | 第33-34页 |
| 4.2 断路器、隔离开关和室内开关柜的位置状态辨识方法 | 第34-39页 |
| 4.2.1 断路器、隔离开关和室内开关柜的位置状态辩识流程 | 第34页 |
| 4.2.2 对隔离开关位置状态辩识的方法 | 第34-37页 |
| 4.2.3 对室内开关柜位置状态辩识的方法 | 第37-39页 |
| 4.3 对断路器的位置状态辩识的方法 | 第39-41页 |
| 4.3.1 k 近邻分类器（k-NN)算法 | 第39页 |
| 4.3.2 对断路器的位置状态辩识的方法 | 第39-41页 |
| 4.3.3 实际测量和结果分析 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 输电线路状态智能识别与检测算法 | 第42-51页 |
| 5.1 复杂背景下输电线的提取与辩识 | 第42-45页 |
| 5.1.1 基于 Hough 变换的输电线的提取和识别算法 | 第43页 |
| 5.1.2 输电线的提取和识别实测与讨论 | 第43-45页 |
| 5.2 输电线路的覆冰与积雪的检测 | 第45-47页 |
| 5.3 输电线路的弧垂与风摆的检测 | 第47-50页 |
| 5.3.1 输电线弧垂测量概述 | 第47-48页 |
| 5.3.2 基于 SIFT 变换的输电线弧垂测量算法 | 第48-49页 |
| 5.3.3 基于 SIFT 变换的输电线风摆测量算法 | 第49-50页 |
| 5.4 本章总结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
