图像识别技术在配网设备状态监测中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 配电自动化的研究现状 | 第11-12页 |
| 1.2.2 图像识别在电力监测的研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容和结构安排 | 第13-14页 |
| 第2章 基于图像识别的监测系统综述 | 第14-18页 |
| 2.1 系统功能分析 | 第14页 |
| 2.2 系统设计方案 | 第14-16页 |
| 2.3 系统应用范围 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 图像处理技术 | 第18-25页 |
| 3.1 图像预处理 | 第18-20页 |
| 3.1.1 图像增强 | 第18-19页 |
| 3.1.2 图像复原 | 第19页 |
| 3.1.3 形态学处理 | 第19-20页 |
| 3.2 特征提取 | 第20-21页 |
| 3.2.1 颜色特征提取 | 第20页 |
| 3.2.2 形状特征提取 | 第20-21页 |
| 3.2.3 纹理特征提取 | 第21页 |
| 3.3 基于SIFT的图像匹配 | 第21-24页 |
| 3.3.1 SIFT特征提取 | 第22-23页 |
| 3.3.2 SIFT特征匹配 | 第23-24页 |
| 3.4 判断识别 | 第24页 |
| 3.5 本章小结 | 第24-25页 |
| 第4章 特殊环境下的图像处理 | 第25-38页 |
| 4.1 图像去雾处理 | 第25-30页 |
| 4.1.1 暗通道先验原理 | 第25-26页 |
| 4.1.2 优化的去雾算法 | 第26-28页 |
| 4.1.3 去雾算法实现 | 第28-30页 |
| 4.2 低照度图像增强 | 第30-37页 |
| 4.2.1 Retinex理论概述 | 第31-32页 |
| 4.2.2 改进的Retinex算法 | 第32-34页 |
| 4.2.3 增强算法实现 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第5章 配网设备状态识别 | 第38-51页 |
| 5.1 改进的SIFT特征匹配算法 | 第38-41页 |
| 5.1.1 canny检测去除边缘点 | 第38-39页 |
| 5.1.2 特征点描述的降维处理 | 第39-40页 |
| 5.1.3 基于标准欧式距离的特征匹配 | 第40页 |
| 5.1.4 算法实现 | 第40-41页 |
| 5.2 跌落式开关状态识别 | 第41-44页 |
| 5.2.1 识别流程设计 | 第42页 |
| 5.2.2 开关定位与提取 | 第42-43页 |
| 5.2.3 开关图像后续处理 | 第43-44页 |
| 5.2.4 状态判断 | 第44页 |
| 5.3 真空断路器状态识别 | 第44-47页 |
| 5.3.1 识别流程设计 | 第44-45页 |
| 5.3.2 开关指针定位与提取 | 第45-46页 |
| 5.3.3 指针图像后续处理 | 第46-47页 |
| 5.3.4 状态判断 | 第47页 |
| 5.4 空气开关状态识别 | 第47-50页 |
| 5.4.1 识别流程设计 | 第48页 |
| 5.4.2 开关图像预处理 | 第48-49页 |
| 5.4.3 识别区域归一化 | 第49-50页 |
| 5.4.4 状态判断 | 第50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结和展望 | 第51-52页 |
| 6.1 本文的工作总结 | 第51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
