基于轨边图像SURF特征的动车底部部件异常检测算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 列车故障诊断技术研究现状 | 第11-15页 |
| 1.3 论文组织结构 | 第15-17页 |
| 2 故障检测中的图像处理技术介绍 | 第17-32页 |
| 2.1 数字图像获取及表示 | 第17-18页 |
| 2.2 待检测图像预处理 | 第18-22页 |
| 2.2.1 图像对比度处理 | 第19-21页 |
| 2.2.2 图像畸变处理 | 第21-22页 |
| 2.3 待检测图像与标准图像配准 | 第22-24页 |
| 2.3.1 基于灰度信息的配准 | 第22-23页 |
| 2.3.2 基于图像特征的配准 | 第23-24页 |
| 2.3.3 两种配准方式的对比 | 第24页 |
| 2.4 突出特征的图像增强方法 | 第24-28页 |
| 2.4.1 图像降噪处理 | 第24-26页 |
| 2.4.2 图像的形态学处理 | 第26-28页 |
| 2.5 差值图像分析 | 第28-31页 |
| 2.5.1 连通域分析 | 第28-30页 |
| 2.5.2 图像边缘提取 | 第30-31页 |
| 2.6 小结 | 第31-32页 |
| 3 图像SURF特征提取 | 第32-41页 |
| 3.1 图像特征提取概述 | 第32页 |
| 3.2 图像SURF特征 | 第32-33页 |
| 3.3 SURF特征提取步骤 | 第33-38页 |
| 3.3.1 兴趣点检测及定位 | 第34-36页 |
| 3.3.2 兴趣点描述 | 第36-38页 |
| 3.4 改进的SURF特征匹配过程 | 第38-40页 |
| 3.5 小结 | 第40-41页 |
| 4 动车底部异常检测算法 | 第41-52页 |
| 4.1 图像采集过程及畸变问题解决方案 | 第41-45页 |
| 4.1.1 轨边图像采集 | 第41-43页 |
| 4.1.2 畸变问题解决方案 | 第43-45页 |
| 4.2 图像错位问题解决方案 | 第45-48页 |
| 4.2.1 图像错位问题 | 第45-46页 |
| 4.2.2 图像配准方法 | 第46-48页 |
| 4.3 故障判定中的干扰问题及解决方案 | 第48-51页 |
| 4.3.1 图像比对 | 第48-49页 |
| 4.3.2 故障判定 | 第49-51页 |
| 4.4 小结 | 第51-52页 |
| 5 基于SURF特征的动车底部异常检测系统仿真 | 第52-63页 |
| 5.1 畸变处理模块 | 第53-54页 |
| 5.2 图像配准模块 | 第54-57页 |
| 5.3 比对分析模块 | 第57-58页 |
| 5.4 故障判定模块 | 第58-62页 |
| 5.5 小结 | 第62-63页 |
| 6 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
