多尺度的绝缘子图像跟踪技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 无人机输电线路航拍巡检的研究现状 | 第13-14页 |
| 1.2.2 视频目标跟踪的研究现状 | 第14-16页 |
| 1.3 课题研究的内容及技术难点 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-18页 |
| 第二章 压缩感知理论及其应用 | 第18-25页 |
| 2.1 压缩感知的提出 | 第18页 |
| 2.2 压缩感知的基本理论 | 第18-24页 |
| 2.2.1 信号的稀疏表示 | 第19-20页 |
| 2.2.2 测量矩阵 | 第20-23页 |
| 2.2.3 信号重构 | 第23-24页 |
| 2.3 压缩感知的应用 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 多尺度的钢化玻璃绝缘子跟踪 | 第25-51页 |
| 3.1 钢化玻璃绝缘子简介 | 第25-26页 |
| 3.2 无人机电力巡检 | 第26-29页 |
| 3.2.1 无人机电力巡检模式简介 | 第26-27页 |
| 3.2.2 无人机巡检技术难点 | 第27-28页 |
| 3.2.3 绝缘子跟踪基础算法选取 | 第28-29页 |
| 3.3 多尺度钢化玻璃绝缘子跟踪算法概述 | 第29-31页 |
| 3.4 算法的准确性研究 | 第31-37页 |
| 3.4.1 样本的选取规则 | 第31页 |
| 3.4.2 样本特征的提取 | 第31-32页 |
| 3.4.3 特征计算的加速 | 第32-34页 |
| 3.4.4 在线学习和分类 | 第34-37页 |
| 3.4.4.1 分类器选取 | 第34-37页 |
| 3.4.4.2 分类器参数更新 | 第37页 |
| 3.5 算法的实时性研究 | 第37-39页 |
| 3.6 算法尺度变化策略研究 | 第39-50页 |
| 3.6.1 尺度变化阈值的获取 | 第40-48页 |
| 3.6.1.1 绝缘子的分割 | 第40-47页 |
| 3.6.1.2 尺度变化阈值的获取 | 第47-48页 |
| 3.6.2 目标尺度调整策略 | 第48-49页 |
| 3.6.3 投影矩阵调整策略 | 第49-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 多尺度的普通绝缘子跟踪 | 第51-62页 |
| 4.1 普通绝缘子简介 | 第51页 |
| 4.2 普通绝缘子多尺度跟踪算法流程概述 | 第51-52页 |
| 4.3 粒子滤波理论 | 第52-58页 |
| 4.3.1 贝叶斯滤波估计 | 第53-55页 |
| 4.3.2 蒙特卡洛方法 | 第55页 |
| 4.3.3 序贯重要性采样和重采样 | 第55-58页 |
| 4.4 基于粒子滤波的绝缘子尺度预测研究 | 第58-61页 |
| 4.4.1 矩形特征归一化 | 第58-59页 |
| 4.4.2 使用状态转换模型进行尺度预测 | 第59-60页 |
| 4.4.3 系统观测模型的建立和权重更新 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 算法效果测试与分析 | 第62-76页 |
| 5.1 测试环境 | 第62-63页 |
| 5.1.1 硬件环境 | 第62页 |
| 5.1.2 软件环境 | 第62-63页 |
| 5.2 钢化玻璃绝缘子跟踪算法效果测试 | 第63-69页 |
| 5.2.1 实验室场景下测试效果 | 第63-66页 |
| 5.2.2 野外场景下测试效果 | 第66-69页 |
| 5.3 普通璃绝缘子跟踪算法效果测试 | 第69-71页 |
| 5.4 测试数据定量分析 | 第71-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 全文工作总结 | 第76页 |
| 6.2 未来工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士期间研究成果 | 第82-83页 |
