| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 相关技术研究现状 | 第12-13页 |
| 1.2.2 相关设备使用现状 | 第13-15页 |
| 1.3 本文的工作及内容安排 | 第15-16页 |
| 1.3.1 本文的主要研究内容 | 第15页 |
| 1.3.2 论文内容章节安排 | 第15-16页 |
| 第2章 基于计算机视觉的铁路扣件检测相关理论介绍 | 第16-35页 |
| 2.1 引言 | 第16-17页 |
| 2.2 图像预处理算法介绍 | 第17-24页 |
| 2.2.1 图像增强 | 第17-19页 |
| 2.2.2 图像边缘检测 | 第19-22页 |
| 2.2.3 图像二值化 | 第22-24页 |
| 2.3 图像特征提取方法介绍 | 第24-30页 |
| 2.3.1 梯度方向直方图特征 | 第24-26页 |
| 2.3.2 局部二元模式 | 第26-30页 |
| 2.4 支持向量机 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 铁路扣件区域两步定位方法 | 第35-55页 |
| 3.1 引言 | 第35-36页 |
| 3.2 扣件区域粗定位 | 第36-44页 |
| 3.2.1 轨枕定位 | 第36-41页 |
| 3.2.2 钢轨定位 | 第41-44页 |
| 3.3 扣件区域精确定位 | 第44-51页 |
| 3.4 试验结果验证分析 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 铁路扣件状态识别 | 第55-65页 |
| 4.1 引言 | 第55页 |
| 4.2 铁路扣件图像特征提取 | 第55-61页 |
| 4.2.1 扣件图像PHOG特征提取及参数选择 | 第55-60页 |
| 4.2.2 扣件关键区域的旋转不变LBP特征提取 | 第60-61页 |
| 4.3 基于PHOG-LBP融合特征的铁路扣件状态识别 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |