| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 红外技术在电力检测中的现状 | 第11-12页 |
| 1.2.2 红外图像拼接技术研究现状 | 第12-13页 |
| 1.2.3 电力设备红外图像分割识别方法研究现状 | 第13页 |
| 1.3 本文主要工作及章节安排 | 第13-16页 |
| 第二章 红外成像原理及图像预处理方法 | 第16-25页 |
| 2.1 基于红外图像的变压器检测方法原理 | 第16-21页 |
| 2.1.1 红外辐射原理及特性 | 第16-17页 |
| 2.1.2 红外热像仪的原理与组成 | 第17-19页 |
| 2.1.3 红外热图像在变压器检测中的分析 | 第19-21页 |
| 2.2 红外图像预处理 | 第21-24页 |
| 2.2.1 红外热图像的特点 | 第21页 |
| 2.2.2 红外图像预处理 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于sift特征匹配的变压器红外图像拼接 | 第25-41页 |
| 3.1 图像拼接概述 | 第25-26页 |
| 3.1.1 变压器图像拼接目的 | 第25页 |
| 3.1.2 图像拼接算法流程 | 第25-26页 |
| 3.2 常用特征点检测算子 | 第26-32页 |
| 3.2.1 susan算子 | 第27页 |
| 3.2.2 Harris算法 | 第27-29页 |
| 3.2.3 sift算法 | 第29-30页 |
| 3.2.4 不同算子在变压器图像中的特征点检测效果比较 | 第30-32页 |
| 3.3 基于sift特征匹配的变压器图像拼接 | 第32-39页 |
| 3.3.1 sift特征描述 | 第32-33页 |
| 3.3.2 变换模型选择 | 第33-35页 |
| 3.3.3 基于空间矩阵约束和RANSAC的误匹配剔除 | 第35-39页 |
| 3.4 变压器红外图像拼接效果 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于卷积神经网络的变压器与绝缘子分类模型 | 第41-50页 |
| 4.1 概述 | 第41页 |
| 4.2 卷积神经网络 | 第41-47页 |
| 4.2.1 人工神经网络 | 第41-43页 |
| 4.2.2 卷积神经网络 | 第43-47页 |
| 4.3 卷积神经网分类器构建及分类效果 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 复杂背景下变压器区域的提取 | 第50-70页 |
| 5.1 变压器图像特点 | 第50-53页 |
| 5.2 常用图像分割方法 | 第53-56页 |
| 5.2.1 阈值法分割 | 第54-55页 |
| 5.2.2 模糊聚类分割 | 第55-56页 |
| 5.3 基于MSER和OSTU的分割方法 | 第56-66页 |
| 5.3.1 分割算法流程 | 第56-58页 |
| 5.3.2 结合MSER和OSTU的分割方法 | 第58-62页 |
| 5.3.3 分割效果优化 | 第62-66页 |
| 5.4 分割效果实验分析 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |