| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 水流测速方法研究现状 | 第11-12页 |
| 1.2.2 卷积神经网络研究现状 | 第12-14页 |
| 1.2.3 谱分簇算法研究现状 | 第14-16页 |
| 1.3 论文来源与组织结构 | 第16-19页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 论文组织结构 | 第16-19页 |
| 第2章 视频图像水流测速法概述 | 第19-29页 |
| 2.1 传统水流测速方法 | 第19-20页 |
| 2.2 粒子图像水流测速方法 | 第20-21页 |
| 2.3 视频图像识别水流测速方法 | 第21-27页 |
| 2.3.1 视频图像中河流表面水纹特征 | 第22-23页 |
| 2.3.2 视频图像识别水流测速方法 | 第23-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于谱分簇的水流数据集分簇标记法 | 第29-49页 |
| 3.1 引言 | 第29-30页 |
| 3.2 融合关联矩阵自学习及其显式秩约束的数据表示分簇算法 | 第30-38页 |
| 3.2.1 谱分簇算法基础 | 第30-31页 |
| 3.2.2 DRC算法描述 | 第31-36页 |
| 3.2.3 参数设定与算法分析 | 第36-38页 |
| 3.3 实验结果与分析 | 第38-45页 |
| 3.3.1 合成数据实验 | 第39-41页 |
| 3.3.2 公共数据实验 | 第41-43页 |
| 3.3.3 参数敏感性分析 | 第43-44页 |
| 3.3.4 运行效率分析 | 第44-45页 |
| 3.4 水流图像分簇标记与数据集构建 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于卷积神经网络的视频图像识别水流测速法 | 第49-67页 |
| 4.1 引言 | 第49页 |
| 4.2 卷积神经网络 | 第49-52页 |
| 4.3 双流卷积神经网络 | 第52-60页 |
| 4.3.1 视频流的卷积神经网络 | 第52-56页 |
| 4.3.2 图像流的卷积神经网络 | 第56-59页 |
| 4.3.3 双流卷积神经网络 | 第59-60页 |
| 4.4 水流测速仿真实验 | 第60-65页 |
| 4.4.1 深度学习平台 | 第60-61页 |
| 4.4.2 视频流与图像流实验 | 第61-64页 |
| 4.4.3 双流网络实验 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 九宫山梯级水电站水流测速应用与系统开发 | 第67-73页 |
| 5.1 引言 | 第67页 |
| 5.2 实地检测与验证 | 第67-69页 |
| 5.3 系统概述 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |