基于计算机视觉的钢轨扣件系统螺母缺失检测技术
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 目次 | 第10-13页 |
| 图清单 | 第13-15页 |
| 附表清单 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| ·课题研究背景及意义 | 第16-18页 |
| ·钢轨扣件螺母缺失检测的国内外发展现状 | 第18-20页 |
| ·本文主要研究内容 | 第20-22页 |
| ·主要内容 | 第20-22页 |
| ·创新性 | 第22页 |
| ·论文结构 | 第22-24页 |
| 2 钢轨扣件螺母缺失检测系统总体构成及主要技术 | 第24-31页 |
| ·钢轨扣件螺母缺失检测系统总体框架 | 第24-26页 |
| ·视频采集装置的总体设计 | 第25-26页 |
| ·图像识别系统的总体设计 | 第26页 |
| ·图像识别系统实现的主要技术 | 第26-30页 |
| ·数字图像处理技术 | 第26-28页 |
| ·模式识别技术 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 图像预处理及扣件区域定位 | 第31-46页 |
| ·图像预处理 | 第31-42页 |
| ·视频帧分解 | 第31页 |
| ·图像灰度化 | 第31-32页 |
| ·图像增强 | 第32-33页 |
| ·图像平滑去噪 | 第33-36页 |
| ·图像边缘检测 | 第36-41页 |
| ·二值化 | 第41-42页 |
| ·钢轨图像扣件区域定位 | 第42-44页 |
| ·基于匹配的扣件区域定位算法 | 第42-43页 |
| ·基于特定区域像素点扫描统计的扣件定位算法 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 4 钢轨扣件图像特征提取算法研究 | 第46-61页 |
| ·特征提取 | 第46-47页 |
| ·图像特征提取概述 | 第46页 |
| ·特征降维 | 第46-47页 |
| ·基于主成分分析的特征提取 | 第47-52页 |
| ·PCA的基本原理 | 第47-50页 |
| ·快速PCA算法 | 第50-51页 |
| ·扣件图像的PCA特征提取算法 | 第51-52页 |
| ·基于二维主成分分析的特征提取 | 第52-56页 |
| ·2D-PCA的基本原理 | 第53-54页 |
| ·2D-PCA的应用 | 第54-55页 |
| ·扣件图像的2D-PCA特征提取算法 | 第55-56页 |
| ·基于二维核主成分分析的特征提取 | 第56-59页 |
| ·基于K2DPCA+2DPCA特征提取 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 钢轨扣件螺母缺失分类算法研究 | 第61-72页 |
| ·基于人工神经网络的分类算法 | 第61-65页 |
| ·BP神经网络模型 | 第61-62页 |
| ·基于BP神经网的钢轨扣件分类络算法 | 第62-65页 |
| ·基于支持向量机的分类算法 | 第65-71页 |
| ·支持向量机的理论基础 | 第65-68页 |
| ·基于SVM的扣件分类器的核函数选择 | 第68-69页 |
| ·基于SVM的扣件分类器的参数优化 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 6 钢轨扣件螺母缺失检测系统综合实验和软件实现 | 第72-80页 |
| ·钢轨扣件螺母缺失检测系统实验分析 | 第72-75页 |
| ·分类器性能比较 | 第72-73页 |
| ·特征提取算法的比较 | 第73-75页 |
| ·基于GPS的螺母缺失扣件定位 | 第75-77页 |
| ·钢轨扣件螺母缺失检测系统的软件实现 | 第77-79页 |
| ·系统开发环境选择 | 第77-78页 |
| ·软件的实现结果 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 7 总结与展望 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 作者简历 | 第85页 |
