| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外的现状 | 第10-16页 |
| 1.2.1 国内外的基于图像的钢轨表面缺陷检测系统 | 第10-13页 |
| 1.2.2 相关技术的研究 | 第13-16页 |
| 1.3 本文研究的主要内容 | 第16-20页 |
| 2 钢轨表面区域提取 | 第20-32页 |
| 2.1 概述 | 第20-21页 |
| 2.2 结合均值的快速中值滤波方法 | 第21-26页 |
| 2.2.1 滤波介绍 | 第21-23页 |
| 2.2.2 结合均值的快速中值滤波方法 | 第23-24页 |
| 2.2.3 基于均值的中值查找方法 | 第24-25页 |
| 2.2.4 滤波算法效率比较分析 | 第25-26页 |
| 2.3 提取钢轨表面区域 | 第26-30页 |
| 2.3.1 已有的提取钢轨表面区域方法 | 第26-27页 |
| 2.3.2 基于垂直投影积分的自适应钢轨区域定位方法 | 第27-30页 |
| 2.4 实验与分析 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 3 基于视觉模型提取钢轨表面缺陷 | 第32-50页 |
| 3.1 概述 | 第32-34页 |
| 3.2 人类视觉系统及其计算模型介绍 | 第34-36页 |
| 3.2.1 自底向上视觉计算模型 | 第34-35页 |
| 3.2.2 自顶向下的视觉计算模型 | 第35-36页 |
| 3.3 基于灰度梯度的自顶向下视觉模型找缺陷图像 | 第36-38页 |
| 3.4 基于多尺度马尔科夫随机游走提取缺陷 | 第38-46页 |
| 3.4.1 构造多尺度图像 | 第39-41页 |
| 3.4.2 生成尺度图像显著图 | 第41-43页 |
| 3.4.3 最终显著图的生成及提取显著(缺陷)区域 | 第43-46页 |
| 3.5 实验与分析 | 第46-49页 |
| 3.6 小结 | 第49-50页 |
| 4 基于改进的PLSA模型的钢轨表面缺陷分类 | 第50-62页 |
| 4.1 概述 | 第50页 |
| 4.2 PLSA模型介绍 | 第50-52页 |
| 4.3 底层特征的提取与视觉词汇表的生成 | 第52-56页 |
| 4.3.1 表面缺陷特征提取 | 第52-55页 |
| 4.3.2 生成视觉单词库 | 第55-56页 |
| 4.4 基于改进的PLSA模型的钢轨表面缺陷分类 | 第56-59页 |
| 4.4.1 改进的PLSA模型的建立 | 第56-57页 |
| 4.4.2 参数的估计 | 第57-58页 |
| 4.4.3 基于改进PLSA模型的钢轨表面缺陷分类 | 第58-59页 |
| 4.5 实验与分析 | 第59-61页 |
| 4.6 小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间的主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |
