| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 概述 | 第12-18页 |
| 1.2.1 避雷器概述 | 第12-15页 |
| 1.2.2 红外热象仪概述 | 第15-18页 |
| 1.2.3 红外检测基本原理 | 第18页 |
| 1.3 国内外检测现状 | 第18-21页 |
| 1.3.1 检测方法现状研究 | 第18-20页 |
| 1.3.2 避雷器红外检测研究现状 | 第20-21页 |
| 1.4 本文主要内容和创新点 | 第21-23页 |
| 第2章 金属氧化锌避雷器红外检测原理 | 第23-31页 |
| 2.1 红外成像误差分析 | 第23-27页 |
| 2.1.1 被测物体表面发射率误差的影响 | 第23-24页 |
| 2.1.2 大气透射率误差的影响 | 第24-25页 |
| 2.1.3 大气温度误差的影响 | 第25-26页 |
| 2.1.4 环境温度误差的影响 | 第26页 |
| 2.1.5 太阳辐射的影响 | 第26-27页 |
| 2.2 基本要求 | 第27-28页 |
| 2.3 基于红外热像技术的金属氧化锌避雷器检测 | 第28-30页 |
| 2.3.1 红外检测的方法 | 第28-29页 |
| 2.3.2 红外热像技术对金属氧化锌避雷器内部故障的诊断 | 第29-30页 |
| 2.3.3 红外热像技术对氧化锌避雷器外部故障的诊断 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 图像预处理与图像分割 | 第31-49页 |
| 3.1 避雷器红外图像特点 | 第31页 |
| 3.2 灰度变换 | 第31-34页 |
| 3.2.1 线性灰度变换 | 第31-32页 |
| 3.2.2 分段线性灰度变换 | 第32-33页 |
| 3.2.3 非线性灰度变换 | 第33-34页 |
| 3.3 直方图均衡化 | 第34-36页 |
| 3.3.1 直方图定义 | 第34-35页 |
| 3.3.2 直方图均衡化 | 第35-36页 |
| 3.4 图像去噪 | 第36-37页 |
| 3.4.1 均值滤波 | 第36-37页 |
| 3.4.2 中值滤波 | 第37页 |
| 3.5 图像分割 | 第37-45页 |
| 3.5.1 基于最大类间方差法的图像分割 | 第38-40页 |
| 3.5.2 基于均值迭代法的图像分割 | 第40页 |
| 3.5.3 基于边缘检测的图像分割 | 第40-45页 |
| 3.6 图像提取 | 第45-48页 |
| 3.6.1 形态学处理 | 第45-47页 |
| 3.6.2 提取主体区域 | 第47页 |
| 3.6.3 提取避雷器区域 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于带电设备红外诊断应用规范的避雷器故障识别 | 第49-60页 |
| 4.1 带电设备红外诊断应用规范 | 第49-50页 |
| 4.2 提取内接矩形 | 第50-51页 |
| 4.3 温度提取 | 第51-52页 |
| 4.3.1 提取最大温度和最小温度 | 第51-52页 |
| 4.3.2 提取平均温度 | 第52页 |
| 4.4 故障识别 | 第52-56页 |
| 4.4.1 局部发热故障识别 | 第53-54页 |
| 4.4.2 整体发热故障识别 | 第54-56页 |
| 4.5 识别结果 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 基于BP神经网络的故障识别 | 第60-72页 |
| 5.1 特征提取 | 第60-63页 |
| 5.1.1 纹理分析概括 | 第60-61页 |
| 5.1.2 灰度-梯度共生矩阵法初步提取纹理特征 | 第61-63页 |
| 5.2 特征选择 | 第63-65页 |
| 5.2.1 K-L变换 | 第64页 |
| 5.2.2 特征提取结果 | 第64-65页 |
| 5.3 神经网络介绍 | 第65-68页 |
| 5.4 模型设计及有效性分析 | 第68-71页 |
| 5.4.1 模型设计 | 第68-69页 |
| 5.4.2 有效性分析 | 第69-70页 |
| 5.4.3 错误率原因分析 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 结论与展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第79-80页 |
| 附录B 攻读学位期间所参加的科研项目 | 第80页 |
