基于远红外影像分析的轮毂过热检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容与方法 | 第10-12页 |
| 1.3.1 研究内容 | 第10-11页 |
| 1.3.2 研究方法 | 第11-12页 |
| 1.4 文章结构安排 | 第12-14页 |
| 第二章 特征提取与融合方法综述 | 第14-20页 |
| 2.1 特征提取方法 | 第14-17页 |
| 2.1.1 全局特征提取 | 第14-16页 |
| 2.1.2 局部特征提取 | 第16-17页 |
| 2.1.3 特征提取方法比较 | 第17页 |
| 2.2 特征的融合方法 | 第17-19页 |
| 2.2.1 底层特征融合 | 第18页 |
| 2.2.2 中层特征融合 | 第18页 |
| 2.2.3 高层特征融合 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 轮胎轮毂判别模型的建立 | 第20-36页 |
| 3.1 引言 | 第20-21页 |
| 3.2 轮胎轮毂的特征提取及融合 | 第21-28页 |
| 3.2.1 方向梯度直方图HOG | 第21-23页 |
| 3.2.2 局部二值模式LBP | 第23-25页 |
| 3.2.3 散射状亮度差描述子SBDD | 第25-27页 |
| 3.2.4 轮胎轮毂特征的融合 | 第27-28页 |
| 3.3 轮胎轮毂增量支持向量机判别模型 | 第28-35页 |
| 3.3.1 SVM支持向量机 | 第28-32页 |
| 3.3.2 支持向量机增量学习算法 | 第32-35页 |
| 3.3.3 轮胎轮毂过热与否判别模型 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于在线模型判别的轮毂过热检测 | 第36-52页 |
| 4.1 视频帧中轮毂区域预处理 | 第36-38页 |
| 4.1.1 有效帧的提取 | 第36-37页 |
| 4.1.2 轮胎轮毂图像预处理 | 第37-38页 |
| 4.2 轮胎轮毂特征的构建 | 第38-45页 |
| 4.2.1 HOG特征 | 第40-41页 |
| 4.2.2 LBP特征 | 第41-43页 |
| 4.2.3 SBDD特征 | 第43-44页 |
| 4.2.4 特征的融合 | 第44-45页 |
| 4.3 基于增量支持向量机的轮毂过热检测 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-51页 |
| 4.4.1 实验数据来源 | 第46-47页 |
| 4.4.2 实验过程说明 | 第47-48页 |
| 4.4.3 实验结果分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
