基于图像特征的钢轨表面瑕疵识别方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景及意义 | 第8-11页 |
| 1.2 无损检测技术国内外发展现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 本文创新点 | 第16页 |
| 1.4 本章安排 | 第16-18页 |
| 2 钢轨表面缺陷识别系统设计 | 第18-23页 |
| 2.1 系统整体构成 | 第18页 |
| 2.2 成像系统设计 | 第18-22页 |
| 2.2.1 相机选型 | 第18-20页 |
| 2.2.2 光源选型 | 第20-21页 |
| 2.2.3 镜头选型 | 第21-22页 |
| 2.3 系统软件流程设计 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 钢轨图像预处理算法 | 第23-43页 |
| 3.1 感兴趣区域提取 | 第23-24页 |
| 3.2 图像去噪 | 第24-30页 |
| 3.2.1 空域去噪 | 第25-27页 |
| 3.2.2 频域去噪 | 第27-30页 |
| 3.3 图像增强 | 第30-37页 |
| 3.3.1 线性增强 | 第30-31页 |
| 3.3.2 直方图均衡化 | 第31-32页 |
| 3.3.3 Pal-King模糊增强算法 | 第32-34页 |
| 3.3.4 图像分块自适应模糊增强算法 | 第34-37页 |
| 3.4 图像分割 | 第37-42页 |
| 3.4.1 基于边缘的分割算法 | 第38页 |
| 3.4.2 基于区域的分割算法 | 第38页 |
| 3.4.3 基于阈值的图像分割算法 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 钢轨缺陷特征提取与描述 | 第43-59页 |
| 4.1 钢轨表面缺陷图像特征分析 | 第43-44页 |
| 4.2 缺陷特征描述 | 第44-58页 |
| 4.2.1 灰度特征 | 第45-48页 |
| 4.2.2 几何特征 | 第48-55页 |
| 4.2.3 频域特征 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 5 基于神经网络的缺陷识别方法 | 第59-66页 |
| 5.1 分类器简介 | 第59页 |
| 5.2 神经网络组成 | 第59-62页 |
| 5.3 神经网络训练 | 第62-63页 |
| 5.4 实验结果分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 总结 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第74页 |
