| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景及研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 图像特征提取方法的概述 | 第11-13页 |
| 1.2.2 故障检测算法的概述 | 第13-15页 |
| 1.3 目前存在的问题 | 第15-16页 |
| 1.4 本论文研究的主要内容及章节安排 | 第16-17页 |
| 1.5 课题来源 | 第17-18页 |
| 第二章 列车关键部件故障图像检测的总体方案 | 第18-25页 |
| 2.1 列车运行故障在线动态检测系统(TFDS)简介 | 第18-20页 |
| 2.1.1 TFDS系统的整体结构 | 第18-19页 |
| 2.1.2 TFDS系统轨边图像检测设备 | 第19-20页 |
| 2.1.3 TFDS系统检测的典型故障图像特点 | 第20页 |
| 2.2 基于背景结构化模型的锁紧板偏转故障检测算法整体框架 | 第20-22页 |
| 2.3 基于稀疏组合学习的手制动机链条丢失故障检测算法整体框架 | 第22-23页 |
| 2.4 基于异常检测理论的心盘螺栓缺失故障检测算法整体框架 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于背景结构化模型的锁紧板偏转故障检测 | 第25-37页 |
| 3.1 特征提取方法的分析 | 第26-28页 |
| 3.1.1 基于形态学边缘特征提取 | 第26-27页 |
| 3.1.2 中心变换特征提取 | 第27-28页 |
| 3.2 目标区域定位算法研究 | 第28-31页 |
| 3.2.1 构建目标背景结构化模型 | 第28-30页 |
| 3.2.2 基于分层检测机制的目标定位 | 第30-31页 |
| 3.3 二维姿态判别 | 第31-33页 |
| 3.3.1 锁紧板图像边缘处理 | 第31-32页 |
| 3.3.2 基于局部方向的Radon变换 | 第32-33页 |
| 3.4 实验结果及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于稀疏组合学习的手制动机链条丢失故障检测 | 第37-48页 |
| 4.1 手制动机链条图像特点 | 第37页 |
| 4.2 手制动机链条丢失故障检测算法研究 | 第37-44页 |
| 4.2.1 特征提取方法分析 | 第38-39页 |
| 4.2.2 稀疏组合学习算法分析 | 第39-40页 |
| 4.2.3 稀疏组合学习过程 | 第40-42页 |
| 4.2.4 稀疏组合测试 | 第42-44页 |
| 4.3 组合在线扩展更新 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于异常检测方法的心盘螺栓丢失故障检测 | 第48-57页 |
| 5.1 心盘螺栓图像特点 | 第48-49页 |
| 5.2 基于背景结构化模型的心盘区域定位 | 第49-51页 |
| 5.3 采用渐进式区域分割提取螺栓位置 | 第51-53页 |
| 5.3.1 心盘区域图像的边缘特征提取 | 第51-52页 |
| 5.3.2 基于随机hough变换的螺栓位置定位 | 第52-53页 |
| 5.4 基于异常检测方法的目标识别 | 第53-54页 |
| 5.5 实验结果及分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 论文展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文及其他科研成果 | 第65页 |
