基于机器学习的接触网图像检测的研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 一、绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 接触网检测现状 | 第13-15页 |
| 1.2.2 机器学习于图像识别研究现状 | 第15-16页 |
| 1.3 本文目标与内容 | 第16-18页 |
| 二、支持向量机理论 | 第18-25页 |
| 2.1 SVM基本理论 | 第18-20页 |
| 2.2 非线性问题与核函数 | 第20-23页 |
| 2.3 软间隔 | 第23-25页 |
| 三、图像特征的选择与提取 | 第25-35页 |
| 3.1 基于纹理的特征提取 | 第25-28页 |
| 3.2 基于颜色的特征提取 | 第28-29页 |
| 3.3 基于形状的特征提取 | 第29-33页 |
| 3.3.1 基于轮廓形状的特征提取 | 第30-32页 |
| 3.3.2 基于区域形状的特征提取 | 第32-33页 |
| 3.4 基于相位信息的特征提取 | 第33-35页 |
| 四、基于SVM的接触网图像检测实例 | 第35-60页 |
| 4.1 受电弓碳滑板监测 | 第35-48页 |
| 4.1.1 受电弓碳滑板简介 | 第35-38页 |
| 4.1.2 检测硬件 | 第38-39页 |
| 4.1.3 受电弓图像处理 | 第39-44页 |
| 4.1.4 碳滑板SVM分类器 | 第44-46页 |
| 4.1.5 分类器评估 | 第46-48页 |
| 4.2 接触网绝缘子检测 | 第48-55页 |
| 4.2.1 接触网绝缘子简介 | 第48-49页 |
| 4.2.2 检测硬件 | 第49-50页 |
| 4.2.3 绝缘子图像分割 | 第50-54页 |
| 4.2.4 绝缘子故障检测 | 第54-55页 |
| 4.2.5 分类器评估 | 第55页 |
| 4.3 接触网定位器定位 | 第55-60页 |
| 4.3.1 接触网定位器简介 | 第55-57页 |
| 4.3.2 定位器图像预处理 | 第57-59页 |
| 4.3.3 SVM分类 | 第59-60页 |
| 五、总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 发展与趋势 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 1 作者简历及科研成果清单表格样式 | 第67-68页 |
| 附录 2 学位论文数据集 | 第68-69页 |
| 详细摘要 | 第69-79页 |
