摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
创新点摘要 | 第7-10页 |
第一章 绪论 | 第10-17页 |
1.1 课题的研究背景和意义 | 第10-11页 |
1.2 研究现状 | 第11-15页 |
1.2.1 电力巡线故障检测的发展现状 | 第11-12页 |
1.2.2 图像匹配研究现状 | 第12-13页 |
1.2.3 人工蜂群算法发展及应用现状 | 第13-15页 |
1.3 本文主要内容 | 第15页 |
1.4 论文安排 | 第15-17页 |
第二章 图像匹配的基本方法和原理 | 第17-27页 |
2.1 引言 | 第17页 |
2.2 图像匹配概述 | 第17-19页 |
2.2.1 图像匹配方法定义 | 第17-18页 |
2.2.2 图像匹配方法一般流程 | 第18-19页 |
2.3 图像匹配方法分类 | 第19-26页 |
2.3.1 基于图像灰度的图像匹配方法 | 第19-21页 |
2.3.2 基于图像特征的图像匹配方法 | 第21-24页 |
2.3.3 基于其他理论的图像匹配方法 | 第24-26页 |
2.4 本章小结 | 第26-27页 |
第三章 自适应最优引导人工蜂群算法 | 第27-37页 |
3.1 引言 | 第27页 |
3.2 标准的人工蜂群算法 | 第27-30页 |
3.2.1 蜜源采蜜机理 | 第27-28页 |
3.2.2 算法原理 | 第28-29页 |
3.2.3 算法流程 | 第29-30页 |
3.3 自适应最优引导人工蜂群算法 | 第30-31页 |
3.4 算法的收敛性证明 | 第31-33页 |
3.5 算法的函数测试及分析 | 第33-36页 |
3.5.1 测试函数 | 第33-35页 |
3.5.2 函数优化 | 第35-36页 |
3.6 本章小结 | 第36-37页 |
第四章 粗搜索与外延窗细校正的图像精确匹配方法 | 第37-49页 |
4.1 引言 | 第37页 |
4.2 粗搜索与外延窗细校正的图像精确匹配方法 | 第37-43页 |
4.2.1 图像粗搜索 | 第37-38页 |
4.2.2 外延窗细校正 | 第38-42页 |
4.2.3 算法流程 | 第42-43页 |
4.3 实验结果分析 | 第43-48页 |
4.3.1 基于AGABC算法和ABC算法的图像粗搜索性能比较 | 第43-44页 |
4.3.2 粗搜索与外延窗细校正的精确匹配结果分析 | 第44-47页 |
4.3.3 图像匹配算法的性能比较 | 第47-48页 |
4.4 本章小结 | 第48-49页 |
第五章 图像匹配技术在电力巡线故障检测中的应用 | 第49-59页 |
5.1 引言 | 第49页 |
5.2 图像匹配在电力线路检测中的应用 | 第49-52页 |
5.2.1 红外图像特点 | 第49-50页 |
5.2.2 电力线路故障分类及检测流程 | 第50-52页 |
5.3 电力线路故障匹配结果分析 | 第52-58页 |
5.3.1 电力线路待检测图像与故障库同角度故障检测 | 第52-54页 |
5.3.2 电力线路待检测图像与故障库变角度故障检测 | 第54-58页 |
5.4 本章小结 | 第58-59页 |
结论 | 第59-61页 |
参考文献 | 第61-65页 |
发表文章目录 | 第65-66页 |
致谢 | 第66-67页 |