| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 课题研究内容及组织结构 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 隧道设备运行状态智能检测系统设计 | 第19-26页 |
| 2.1 隧道设备运行状态智能检测系统 | 第19-21页 |
| 2.1.1 隧道设备运行状态智能检测系统信息采集 | 第19页 |
| 2.1.2 隧道设备运行状态智能检测系统工作流程 | 第19-20页 |
| 2.1.3 隧道设备运行状态智能检测系统安全分析 | 第20-21页 |
| 2.2 隧道设备运行状态智能检测系统组成 | 第21-25页 |
| 2.2.1 隧道视频子系统 | 第21页 |
| 2.2.2 隧道照明灯运行状态检测子系统 | 第21-23页 |
| 2.2.3 隧道情报板运行状态检测子系统 | 第23-25页 |
| 2.3 隧道设备运行状态智能检测系统设计原则 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 隧道照明灯运行状态检测方法研究 | 第26-44页 |
| 3.1 隧道照明特点及检测方法选择 | 第26-28页 |
| 3.1.1 隧道照明特点分析 | 第26-27页 |
| 3.1.2 隧道照明灯检测方法选择 | 第27-28页 |
| 3.2 隧道照明灯运行状态检测的图像处理 | 第28-36页 |
| 3.2.1 隧道照明灯图像的灰度化 | 第28-29页 |
| 3.2.2 隧道照明灯图像的平滑与灰度变换 | 第29-32页 |
| 3.2.3 最大类间方差法的隧道照明灯图像二值化 | 第32-36页 |
| 3.3 隧道照明灯运行状态判断 | 第36-43页 |
| 3.3.1 光照原理分析 | 第36-37页 |
| 3.3.2 照明灯特征参数计算 | 第37-40页 |
| 3.3.3 基于K-means算法的照明灯分离方法 | 第40-41页 |
| 3.3.4 照明灯运行状态判断方法研究 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 隧道情报板运行状态检测方法研究 | 第44-60页 |
| 4.1 隧道情报板的精确定位 | 第44-49页 |
| 4.1.1 隧道情报板图像的形态学处理 | 第45-48页 |
| 4.1.2 隧道情报板轮廓定位 | 第48-49页 |
| 4.2 情报板字符分割 | 第49-53页 |
| 4.2.1 常用的字符分割算法分析 | 第50-51页 |
| 4.2.2 水平垂直双投影隧道情报板字符分割算法 | 第51-53页 |
| 4.3 情报板字符识别算法 | 第53-58页 |
| 4.3.1 字符识别算法分析 | 第53-54页 |
| 4.3.2 情报板字符特征提取分析 | 第54-57页 |
| 4.3.3 基于分层LBP+HOG的隧道情报板字符识别 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 隧道设备运行状态智能检测系统结果分析 | 第60-68页 |
| 5.1 照明灯检测结果分析 | 第60-64页 |
| 5.1.1 照明灯图像处理结果分析 | 第60页 |
| 5.1.2 照明灯图像聚类效果分析 | 第60-61页 |
| 5.1.3 照明灯运行状态检测结果分析 | 第61-64页 |
| 5.2 情报板检测结果分析 | 第64-67页 |
| 5.2.1 情报板定位结果分析 | 第64-65页 |
| 5.2.2 情报板字符分割结果分析 | 第65页 |
| 5.2.3 情报板字符识别结果分析 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74页 |