| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-16页 |
| 1.2.1 绝缘子自爆位置检测方法研究现状 | 第14页 |
| 1.2.2 基于图像的绝缘子自爆位置检测方法研究现状 | 第14-16页 |
| 1.3 文章研究内容及结构安排 | 第16-18页 |
| 2 基于视频的无人机巡检方案设计 | 第18-24页 |
| 2.1 无人机巡线方案流程 | 第19-20页 |
| 2.1.1 无人机选取 | 第19-20页 |
| 2.1.2 无人机巡检路径规划 | 第20页 |
| 2.2 无人机摄像实施操作 | 第20-21页 |
| 2.3 巡线系统原理 | 第21-22页 |
| 2.4 视频存储传输和位置记录 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 航拍图像的预处理基础 | 第24-34页 |
| 3.1 图像预处理 | 第24-29页 |
| 3.1.1 图像的对比度增强 | 第25页 |
| 3.1.2 中值滤波 | 第25-26页 |
| 3.1.3 维纳滤波 | 第26页 |
| 3.1.4 双边滤波 | 第26页 |
| 3.1.5 非下采样contourlet-双边滤波 | 第26-29页 |
| 3.2 实验对比 | 第29-31页 |
| 3.3 去噪效果评价 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 航拍绝缘子图像分割 | 第34-43页 |
| 4.1 绝缘子图像的分割 | 第34-40页 |
| 4.1.1 基于HSI模型的绝缘子图像分割 | 第34-36页 |
| 4.1.2 基于区域的绝缘子图像分割 | 第36-38页 |
| 4.1.3 基于边缘的绝缘子图像分割 | 第38-40页 |
| 4.2 基于改进的Canny边缘检测 | 第40-42页 |
| 4.2.1 Canny算子检测 | 第40页 |
| 4.2.2 改进的Canny边缘检测 | 第40-42页 |
| 4.2.3 对比实验结果分析 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 航拍绝缘子特征的识别 | 第43-60页 |
| 5.1 基于模板匹配的绝缘子图像识别 | 第43-51页 |
| 5.1.1 基于尺度不变的特征识别 | 第43-44页 |
| 5.1.2 基于黑塞矩阵的特征识别 | 第44-47页 |
| 5.1.3 基于随机抽样一致性的误匹配消除 | 第47-48页 |
| 5.1.4 基于仿射变换的误匹配消除 | 第48-49页 |
| 5.1.5 仿真结果与分析 | 第49-51页 |
| 5.2 基于模式的绝缘子识别 | 第51-56页 |
| 5.2.1 基于方向梯度直方图的特征降维 | 第51-53页 |
| 5.2.2 粒子群 | 第53页 |
| 5.2.3 BP神经网络 | 第53-55页 |
| 5.2.4 粒子群-BP神经网络 | 第55-56页 |
| 5.3 实验测试 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 绝缘子自爆位置的检测 | 第60-72页 |
| 6.1 目标模板的提取 | 第60-63页 |
| 6.1.1 确定绝缘子方向 | 第60-62页 |
| 6.1.2 计算绝缘子高度与宽度 | 第62-63页 |
| 6.2 确定绝缘子串的起始点 | 第63-64页 |
| 6.3 自爆位置检测 | 第64-66页 |
| 6.4 实验结果及分析 | 第66-68页 |
| 6.5 软件的实现 | 第68-71页 |
| 6.6 本章小结 | 第71-72页 |
| 7 总结与展望 | 第72-74页 |
| 7.1 总结 | 第72页 |
| 7.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第78-79页 |
| 致谢 | 第79-81页 |