| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 目标追踪方法研究现状 | 第12-13页 |
| 1.2.2 特征提取方法的研究现状 | 第13-14页 |
| 1.2.3 目标识别方法的研究现状 | 第14-15页 |
| 1.2.3.1 基于模板匹配的识别算法 | 第14页 |
| 1.2.3.2 基于统计模式识别的算法 | 第14-15页 |
| 1.3 本文的主要工作及创新 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 第二章 接触网结构及其图像基本处理方法的研究 | 第17-33页 |
| 2.1 接触网系统及其特点简介 | 第17-19页 |
| 2.2 故障类型介绍 | 第19-22页 |
| 2.2.1 鸟害故障 | 第19-20页 |
| 2.2.2 污染物故障 | 第20-21页 |
| 2.2.3 吊悬缺损 | 第21-22页 |
| 2.3 接触网关键部位故障检测系统总体介绍 | 第22-29页 |
| 2.3.1 接触网图像增强算法研究 | 第22-26页 |
| 2.3.2 接触网吊弦图像的形态学细化 | 第26-27页 |
| 2.3.3 接触网关键部件图像的边缘提取 | 第27-29页 |
| 2.3.3.1 微分法 | 第27-28页 |
| 2.3.3.2 Canny算子 | 第28页 |
| 2.3.3.3 拉普拉斯高斯算法 | 第28-29页 |
| 2.4 接触网图像支柱杆号牌识别 | 第29-32页 |
| 2.4.1 系统整体框架的安排 | 第30页 |
| 2.4.2 各单元功能的实现 | 第30-32页 |
| 2.4.2.1 接触网图像采集 | 第30-31页 |
| 2.4.2.2 图像预处理 | 第31页 |
| 2.4.2.3 支柱号牌定位 | 第31页 |
| 2.4.2.4 字符分割和归一化处理 | 第31-32页 |
| 2.4.2.5 杆号牌的字符识别 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 联合Kalman滤波和Meanshift算法的目标跟踪算法 | 第33-52页 |
| 3.1 边界跟踪 | 第33-35页 |
| 3.2 基于SIFT算法的接触网腕臂装置的目标跟踪 | 第35-39页 |
| 3.2.1 SIFT算法步骤 | 第35-38页 |
| 3.2.2 基于SIFT算法的接触网腕臂装置的定位 | 第38-39页 |
| 3.3 基于运动估计的Kalman滤波视频对象跟踪 | 第39-42页 |
| 3.4 基于Meanshift算法的接触网关键部位跟踪 | 第42-51页 |
| 3.4.1 目标跟踪中的Meanshift算法 | 第42-47页 |
| 3.4.1.1 目标图像的建模 | 第43页 |
| 3.4.1.2 目标图像模型 | 第43页 |
| 3.4.1.3 候选目标模型 | 第43-44页 |
| 3.4.1.4 相似度检测：Bhattacharyya系数 | 第44-45页 |
| 3.4.1.5 目标的定位 | 第45-47页 |
| 3.4.2 Meanshift算法的优缺点 | 第47页 |
| 3.4.3 联合卡尔曼滤波和Meanshift算法的目标追踪算法 | 第47-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于小波不变矩的接触网关键部件的特征提取 | 第52-65页 |
| 4.1 基于Hu不变距的图像特征提取 | 第52-56页 |
| 4.1.1 Hu不变矩介绍 | 第53-55页 |
| 4.1.2 实验仿真 | 第55-56页 |
| 4.2 基于小波不变距的图像特征提取 | 第56-64页 |
| 4.2.1 小波变换基本理论 | 第56-58页 |
| 4.2.1.1 基本小波 | 第56-57页 |
| 4.2.1.2 小波基函数 | 第57页 |
| 4.2.1.3 连续小波变换 | 第57页 |
| 4.2.1.4 离散小波变换 | 第57-58页 |
| 4.2.2 图像的小波矩 | 第58-60页 |
| 4.2.2.1 小波矩的一般形式 | 第58-59页 |
| 4.2.2.2 图像小波矩的构造 | 第59-60页 |
| 4.2.3 小波矩特征的提取 | 第60-61页 |
| 4.2.3.1 图象极坐标化 | 第60页 |
| 4.2.3.2 离散化处理 | 第60页 |
| 4.2.3.3 识别特征的选择 | 第60-61页 |
| 4.2.4 算法仿真与结果分析 | 第61-64页 |
| 4.2.4.1 样本的选择和预处理 | 第61-63页 |
| 4.2.4.2 特征值归一化 | 第63页 |
| 4.2.4.3 小波矩仿真实验结果分析 | 第63-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 基于RBF神经网络的接触网故障识别 | 第65-81页 |
| 5.1 基于BP神经网络的接触网故障自动判别 | 第65-71页 |
| 5.1.1 BP网络的结构 | 第65-66页 |
| 5.1.2 BP网络的学习方法 | 第66-68页 |
| 5.1.3 BP神经网络设计 | 第68-69页 |
| 5.1.4 BP神经网络的训练和仿真 | 第69-71页 |
| 5.2 基于RBF神经网络的接触网故障判别 | 第71-75页 |
| 5.2.1 RBF网络结构 | 第71页 |
| 5.2.2 RBF神经网络的算法 | 第71-73页 |
| 5.2.3 RBF神经网络结构设计 | 第73-74页 |
| 5.2.4 RBF网络的训练结果和仿真验证 | 第74-75页 |
| 5.3 Hough变换检测吊弦故障 | 第75-78页 |
| 5.3.1 Hough变换吊弦断线检测 | 第76-77页 |
| 5.3.2 Hough变换吊弦圆环检测 | 第77-78页 |
| 5.4 故障检测软件系统介绍 | 第78-79页 |
| 5.4.1 总体设计 | 第78-79页 |
| 5.4.2 菜单栏介绍 | 第79页 |
| 5.4.3 功能控件模块介绍 | 第79页 |
| 5.5 本章小结 | 第79-81页 |
| 第六章 全文总结与展望 | 第81-83页 |
| 6.1 本文的主要工作 | 第81-82页 |
| 6.2 存在的难点和下一步的工作 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第87页 |
