| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 红外热像仪标定方法综述 | 第11-14页 |
| 1.2.1 传统摄像机标定方法 | 第11-12页 |
| 1.2.2 摄像机自标定方法 | 第12-13页 |
| 1.2.3 基于主动视觉的标定方法 | 第13-14页 |
| 1.2.4 根据所用模型不同分为:线性方法和非线性方法 | 第14页 |
| 1.2.5 从求解参数的结果分为隐式标定方法和显式标定方法 | 第14页 |
| 1.3 红外热像技术的应用进展 | 第14-17页 |
| 1.3.1 材料和构件的红外热像无损检测与评价 | 第14-15页 |
| 1.3.2 设备状态的红外热像诊断 | 第15页 |
| 1.3.3 建筑物的红外热像检测与评价 | 第15-16页 |
| 1.3.4 电力设备工作状态的红外检测 | 第16-17页 |
| 1.4 本文主要工作及内容安排 | 第17-19页 |
| 第二章 红外热像仪的标定 | 第19-32页 |
| 2.1 引言 | 第19-20页 |
| 2.2 红外热像仪成像原理 | 第20-23页 |
| 2.3 最小二乘法的理论推导 | 第23-24页 |
| 2.4 热像仪标定方法描述 | 第24-26页 |
| 2.5 红外热像仪标定误差的分析 | 第26-30页 |
| 2.5.1 标定点数目的确定 | 第26-27页 |
| 2.5.2 标定误差的分析 | 第27-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 红外热图像的缺陷边缘检测 | 第32-49页 |
| 3.1 红外热像仪检测试验介绍 | 第32-33页 |
| 3.2 红外热图像的缺陷边缘检测 | 第33-48页 |
| 3.2.1 Roberts边缘检测算法 | 第35页 |
| 3.2.2 Sobel边缘检测算法 | 第35-37页 |
| 3.2.3 Prewitt边缘检测算法 | 第37-38页 |
| 3.2.4 Laplace边缘检测方法 | 第38-39页 |
| 3.2.5 LOG边缘检测方法 | 第39-41页 |
| 3.2.6 基于阈值分割的边缘检测 | 第41-45页 |
| 3.2.7 Canny边缘检测算法 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于BP算法的缺陷深度检测 | 第49-62页 |
| 4.1 神经网络简介 | 第49-50页 |
| 4.1.1 神经网络的历史 | 第49-50页 |
| 4.1.2 神经网络的发展 | 第50页 |
| 4.2 基本BP网络模型 | 第50-51页 |
| 4.3 工作原理 | 第51-54页 |
| 4.3.1 BP网络学习算法的比较 | 第52-53页 |
| 4.3.2 BP网络设计 | 第53-54页 |
| 4.4 缺陷深度的研究 | 第54页 |
| 4.5 缺陷深度检测实验 | 第54-60页 |
| 4.5.1 实验设备及材料的准备 | 第55-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |