轨道缺陷自动检测系统的图像处理技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·论文研究的背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 第2章 轨道缺陷自动检测系统组成 | 第16-22页 |
| ·系统组成 | 第16-17页 |
| ·轨道缺陷检测图像采集系统 | 第17-20页 |
| ·CCD相机的选取 | 第17页 |
| ·确定视场范围的方法 | 第17-18页 |
| ·图像精度的确定 | 第18-19页 |
| ·图像采集设备选择步骤 | 第19页 |
| ·图像采集实验 | 第19-20页 |
| ·轨道缺陷检测软件系统 | 第20-22页 |
| 第3章 钢轨和扣件的定位提取 | 第22-36页 |
| ·图像预处理技术 | 第22-28页 |
| ·直方图均衡化 | 第22-23页 |
| ·空域滤波增强 | 第23-26页 |
| ·图像阈值分割 | 第26-28页 |
| ·钢轨和扣件的定位提取 | 第28-32页 |
| ·现有的定位和提取方法 | 第28-29页 |
| ·改进的钢轨和扣件提取方法 | 第29-32页 |
| ·存在干扰情况下的定位结果 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 钢轨表面缺陷检测 | 第36-57页 |
| ·钢轨伤损分类与判伤标准 | 第36页 |
| ·钢轨表面缺陷提取与标注 | 第36-41页 |
| ·钢轨表面缺陷提取 | 第36-41页 |
| ·链码跟踪算法进行缺陷标注 | 第41页 |
| ·缺陷特征计算 | 第41-44页 |
| ·基于边界的特征提取 | 第42-43页 |
| ·基于区域的特征提取 | 第43-44页 |
| ·基于形状的图像特征 | 第44页 |
| ·缺陷模式识别 | 第44-48页 |
| ·常用模式识别方法 | 第44-45页 |
| ·BP神经网络理论基础 | 第45-48页 |
| ·仿真实验结果 | 第48-55页 |
| ·特征计算结果 | 第48-49页 |
| ·BP神经网络模式识别结果 | 第49-51页 |
| ·更多样本缺陷识别结果 | 第51-55页 |
| ·钢轨接缝的判断 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 扣件状态检测 | 第57-69页 |
| ·扣件状态识别方法分析 | 第57-60页 |
| ·结构光法 | 第57页 |
| ·边缘检测法 | 第57-58页 |
| ·灰度值模板匹配法 | 第58-59页 |
| ·方向场模板匹配法 | 第59-60页 |
| ·PCA方法应用于扣件状态识别 | 第60-63页 |
| ·PCA主分量分析方法原理 | 第61页 |
| ·PCA方法识别扣件状态 | 第61-63页 |
| ·实验结果及分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| ·本文总结 | 第69页 |
| ·研究展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间发表的学术论文 | 第75页 |
