基于计算机视觉的电气化铁路绝缘子识别技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·目标识别方法研究 | 第11-13页 |
| ·基于模板匹配的算法 | 第12页 |
| ·基于统计模式识别的算法 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·目标识别在电力系统中的研究现状 | 第13-14页 |
| ·目标识别在电气化铁路中的研究现状 | 第14页 |
| ·本文主要工作 | 第14-16页 |
| 第2章 绝缘子目标识别的技术基础 | 第16-28页 |
| ·图像处理 | 第17-25页 |
| ·图像对比度、亮度调整 | 第17页 |
| ·图像滤波 | 第17-19页 |
| ·形态学运算 | 第19-22页 |
| ·图像边缘检测 | 第22-25页 |
| ·AdaBoost算法 | 第25页 |
| ·SVM的基础与理论 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 模板匹配在绝缘子图像识别中的应用研究 | 第28-43页 |
| ·图像目标匹配的基本方法 | 第28-30页 |
| ·基于灰度图像匹配 | 第28-29页 |
| ·基于特征图像匹配 | 第29-30页 |
| ·图像目标匹配的相似度度量 | 第30-31页 |
| ·基于特征匹配的绝缘子识别 | 第31-42页 |
| ·特征算法 | 第31-36页 |
| ·误匹配消除 | 第36-38页 |
| ·特征匹配绝缘子识别实验与分析 | 第38-41页 |
| ·三种基于特征匹配方法的特点 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 统计模式识别在绝缘子识别中的应用研究 | 第43-64页 |
| ·样本特征 | 第43-46页 |
| ·Harr特征 | 第43-44页 |
| ·LBP特征 | 第44-45页 |
| ·HOG特征 | 第45-46页 |
| ·基于HOG特征和SVM的绝缘子识别 | 第46-52页 |
| ·HOG特征提取 | 第46-47页 |
| ·SVM训练与检测 | 第47-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·基于级联分类器的绝缘子识别 | 第52-63页 |
| ·AdaBoost算法的训练过程 | 第52-53页 |
| ·级联分类器的使用 | 第53-54页 |
| ·检测流程的实现 | 第54-55页 |
| ·实验结果与分析 | 第55-63页 |
| ·基于统计模式识别方法的特点 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论与展望 | 第64-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
