| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 第2章 图像优化预处理理论及方法 | 第14-21页 |
| 2.1 灰度化处理 | 第14页 |
| 2.2 模糊滤波处理 | 第14-16页 |
| 2.3 阈值分割处理 | 第16-17页 |
| 2.4 形态学处理 | 第17页 |
| 2.5 边缘检测处理 | 第17-19页 |
| 2.6 本章小结 | 第19-21页 |
| 第3章 输电线路杆塔轮廓辨识及倾斜角度测量算法 | 第21-40页 |
| 3.1 杆塔图像的优化预处理方法 | 第21-27页 |
| 3.2 输电线路杆塔粗定位算法 | 第27-29页 |
| 3.2.1 Shi-Tomasi角点检测原理 | 第27-28页 |
| 3.2.2 杆塔粗定位结果 | 第28-29页 |
| 3.3 杆塔轮廓辨识算法 | 第29-34页 |
| 3.3.1 传统Hough直线检测原理 | 第30-32页 |
| 3.3.2 改进Hough直线检测算法辨识杆塔轮廓 | 第32页 |
| 3.3.3 传统Hough与改进Hough直线检测算法的比较 | 第32-34页 |
| 3.4 三角形法计算杆塔实际倾斜角度 | 第34-35页 |
| 3.5 杆塔倾斜检测算法及实例验证分析 | 第35-39页 |
| 3.6 本章小节 | 第39-40页 |
| 第4章 输电线路杆塔基本单元分割及鸟巢智能识别算法 | 第40-53页 |
| 4.1 杆塔基本单元分割算法 | 第40-45页 |
| 4.1.1 杆塔主体区域提取 | 第42-44页 |
| 4.1.2 杆塔基本单元分割算法 | 第44-45页 |
| 4.2 鸟巢辨识算法 | 第45-49页 |
| 4.2.1 辨识分类器设计 | 第45-48页 |
| 4.2.2 分类器错误率估计 | 第48-49页 |
| 4.3 算法实验验证 | 第49-52页 |
| 4.4 本章小节 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间所发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
