摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第10-17页 |
1.1 课题研究背景及意义 | 第10页 |
1.2 基于机器视觉的列车故障检测系统介绍 | 第10-11页 |
1.3 研究现状 | 第11-14页 |
1.3.1 国内研究现状 | 第11-12页 |
1.3.2 国外研究现状 | 第12-14页 |
1.4 本文工作内容和结构及特色 | 第14-17页 |
1.4.1 研究内容 | 第14-15页 |
1.4.2 论文结构 | 第15-16页 |
1.4.3 本文工作特色 | 第16-17页 |
第2章 相关理论基础 | 第17-26页 |
2.1 图像处理基础理论 | 第17-20页 |
2.1.1 直方图均衡化 | 第17-18页 |
2.1.2 Gamma校正 | 第18-19页 |
2.1.3 Hough变换 | 第19-20页 |
2.2 图像特征提取技术 | 第20-22页 |
2.2.1 HOG特征提取 | 第20-21页 |
2.2.2 Haar特征提取 | 第21-22页 |
2.3 机器学习理论 | 第22-25页 |
2.3.1 机器学习介绍 | 第22-23页 |
2.3.2 SVM原理介绍 | 第23页 |
2.3.3 线性SVM | 第23-25页 |
2.4 本章小结 | 第25-26页 |
第3章 目标区域定位 | 第26-41页 |
3.1 基于Hough变换的目标区域定位 | 第26-29页 |
3.1.1 图像预处理 | 第26-27页 |
3.1.2 设置感兴趣区域(ROI)及检测参数 | 第27-28页 |
3.1.3 Hough圆检测 | 第28-29页 |
3.2 基于机器学习的目标区域定位 | 第29-33页 |
3.2.1 基于Haar-Adaboost的速度传感器区域定位算法 | 第29-32页 |
3.2.2 基于HOG-SVM的速度传感器区域定位算法 | 第32-33页 |
3.3 目标区域定位算法的实现 | 第33-40页 |
3.3.1 Hough圆定位算法的实现 | 第33-34页 |
3.3.2 Haar-Adaboost分类器定位算法的实现 | 第34-37页 |
3.3.3 HOG-SVM分类器定位算法的实现 | 第37-40页 |
3.4 本章小结 | 第40-41页 |
第4章 速度传感器检测 | 第41-51页 |
4.1 基于相似性分析的速度传感器检测 | 第42-44页 |
4.1.1 结构相似性 | 第42-44页 |
4.1.2 直方图对比 | 第44页 |
4.2 基于SVM分类器的速度传感器检测 | 第44-45页 |
4.2.1 样本数据不平衡问题 | 第44-45页 |
4.2.2 速度传感器检测算法 | 第45页 |
4.3 速度传感器检测算法的实现 | 第45-50页 |
4.3.1 结构相似性检测算法的实现 | 第45-47页 |
4.3.2 直方图相似性对比算法的实现 | 第47-48页 |
4.3.3 SVM分类器识别算法的实现 | 第48-50页 |
4.4 本章小结 | 第50-51页 |
第5章 检测模块设计与算法结果分析 | 第51-61页 |
5.1 系统设计 | 第51-52页 |
5.2 DLL封装设计 | 第52-53页 |
5.3 算法结果分析 | 第53-58页 |
5.3.1 目标区域定位算法分析 | 第53-56页 |
5.3.2 速度传感器检测算法分析 | 第56-58页 |
5.4 模块测试 | 第58-59页 |
5.4.1 算法测试 | 第59页 |
5.4.2 DLL测试 | 第59页 |
5.5 本章小结 | 第59-61页 |
第6章 总结与展望 | 第61-63页 |
6.1 总结 | 第61-62页 |
6.2 展望 | 第62-63页 |
参考文献 | 第63-67页 |
附录 攻读硕士学位期间参与的项目 | 第67-68页 |
致谢 | 第68页 |