摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 文献综述 | 第11-17页 |
1.1 前言 | 第11-13页 |
1.2 国内外的研究现状 | 第13-15页 |
1.2.1 国外研究现状 | 第13页 |
1.2.2 国内研究现状 | 第13-15页 |
1.3 本文的研究目的及内容 | 第15页 |
1.4 本文的组织结构 | 第15-17页 |
第2章 高压线图像检测的主要问题及解决办法 | 第17-22页 |
2.1 高压线图像检测方法的设计要点 | 第17页 |
2.2 高压线图像检测方法的技术分析 | 第17-20页 |
2.2.1 基于灰度图像的高压线分割方法 | 第17-18页 |
2.2.2 基于图像增强的图像细节抑制方法 | 第18页 |
2.2.3 复杂背景抑制方法 | 第18-19页 |
2.2.4 边缘检测与“虚假边缘”问题 | 第19页 |
2.2.5 噪声抑制及高压线显示问题 | 第19-20页 |
2.3 高压线图像检测方法的设计 | 第20-21页 |
2.4 小节 | 第21-22页 |
第3章 基于图像算术处理的背景抑制方法 | 第22-42页 |
3.1 图像处理方法选取与高压线复杂背景抑制问题 | 第22-23页 |
3.2 基于灰度图像的高压线分割方法的理论依据及场景分析 | 第23-27页 |
3.2.1 图像分割理论依据 | 第23-24页 |
3.2.2 高压线图像场景下的灰度图像分割 | 第24-25页 |
3.2.3 图像灰度变换方法 | 第25-26页 |
3.2.4 基于图像灰度变换处理应用的实验结果描述 | 第26-27页 |
3.3 基于图像增强的图像细节抑制方法 | 第27-36页 |
3.3.1 抑制图像细节问题描述 | 第27页 |
3.3.2 图像增强的理论依据 | 第27-32页 |
3.3.3 基于图像增强的图像细节抑制实验结果描述 | 第32-36页 |
3.4 复杂背景抑制模型的提出及应用 | 第36-41页 |
3.4.1 复杂背景抑制算法模型的提出 | 第36-37页 |
3.4.2 图像算术运算算法在复杂背景抑制中的应用 | 第37-39页 |
3.4.3 复杂背景抑制模型的实验结果描述 | 第39-41页 |
3.5 小结 | 第41-42页 |
第4章 高压线边缘检测及目标识别 | 第42-59页 |
4.1 高压线图像中的边缘检测与“虚假边缘”问题 | 第42页 |
4.2 高压线的边缘检测方法 | 第42-47页 |
4.2.1 基于边缘检测的高压线理论基础 | 第43-46页 |
4.2.2 高压线的边缘检测实验结果分析 | 第46-47页 |
4.3 图像局部自适应阈值分割算法模型的提出 | 第47-52页 |
4.3.1 Hough变换算法在高压线检测中所存在的问题 | 第47-51页 |
4.3.2 图像局部自适应阈值分割算法模型的提出 | 第51-52页 |
4.4 图像局部自适应阈值分割算法模型的应用 | 第52-58页 |
4.4.1 自适应阈值的计算方法 | 第52-55页 |
4.4.2 局部阈值分割方法模型的计算方法 | 第55-57页 |
4.4.3 图像局部自适应阈值分割算法模型的实验结果 | 第57-58页 |
4.5 小结 | 第58-59页 |
第5章 图像噪声抑制和高压线目标显示 | 第59-64页 |
5.1 图像存在的噪声及高压线在图像中的具体位置显示问题 | 第59页 |
5.2 高压线图像的噪声抑制 | 第59-62页 |
5.2.1 中值滤波在高压线图像中的应用 | 第59-61页 |
5.2.2 中值滤波在高压线噪声图像中的应用结果分析 | 第61-62页 |
5.3 高压线目标的显示方法 | 第62-63页 |
5.3.1 彩色图像的视觉分析 | 第62页 |
5.3.2 基于彩色图像的高压线目标显示 | 第62页 |
5.3.3 高压线彩色图像显示实验结果 | 第62-63页 |
5.4 小结 | 第63-64页 |
第6章 基于局部自适应阈值分割算法的高压线图像检测方法 | 第64-68页 |
6.1 算法思想描述与实验内容 | 第64-66页 |
6.1.1 实验内容 | 第64-66页 |
6.2 实验结果分析 | 第66-67页 |
6.3 小结 | 第67-68页 |
第7章 总结与展望 | 第68-70页 |
7.1 总结 | 第68页 |
7.2 展望 | 第68-70页 |
参考文献 | 第70-74页 |
攻读硕士期间已发表的论文 | 第74-75页 |
致谢 | 第75页 |