| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 钢轨表面缺陷检测技术相关研究现状分析 | 第12-18页 |
| 1.2.1 国内外表面缺陷检测技术研究综述 | 第12-14页 |
| 1.2.2 基于 2D/3D复合机器视觉的钢轨表面缺陷检测技术研究 | 第14-18页 |
| 1.3 研究目的与内容 | 第18-22页 |
| 1.3.1 研究目的 | 第18-19页 |
| 1.3.2 课题来源 | 第19页 |
| 1.3.3 研究内容 | 第19-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第二章 多曲面形廓的三维钢轨表面图像采集与评价研究 | 第23-41页 |
| 2.1 钢轨表面基础研究 | 第23-28页 |
| 2.1.1 钢轨表面特性分析 | 第23-25页 |
| 2.1.2 钢轨生产工艺及表面缺陷特点 | 第25-28页 |
| 2.2 钢轨表面光学成像模型研究 | 第28-31页 |
| 2.3 环形图像采集系统设计 | 第31-33页 |
| 2.4 基于多特征加权的图像质量评价 | 第33-40页 |
| 2.4.1 评价模型的建立 | 第33-36页 |
| 2.4.2 评价体系的验证 | 第36-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于改进Sobel算法的钢轨表面强噪声图像的高效二维特征提取 | 第41-61页 |
| 3.1 二维图像处理及特征提取方案设计 | 第41-42页 |
| 3.2 图像的降噪及初检研究 | 第42-51页 |
| 3.2.1 基于小波变换的图像降噪理论 | 第42-51页 |
| 3.2.2 基于局部阈值变化的图像初检 | 第51页 |
| 3.3 基于改进Sobel算法的缺陷边缘检测及二维特征提取 | 第51-58页 |
| 3.4 二维特征提取结果分析 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 基于SGA-FI-TM的动态特征点云三维特征提取 | 第61-87页 |
| 4.1 三维特征信息提取技术概述 | 第61-62页 |
| 4.2 动态特征点云提取技术研究 | 第62-75页 |
| 4.2.1 透视投影模型及其坐标变换理论 | 第62-66页 |
| 4.2.2 线扫描相机非线性标定方法研究 | 第66-72页 |
| 4.2.3 基于特征相似性的区域匹配 | 第72-75页 |
| 4.3 基于视差原理的特征点云三维重构技术研究 | 第75-81页 |
| 4.4 三维特征信息的提取及结果分析 | 第81-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第五章 基于 2D/3D特征信息自适应融合的缺陷分类系统 | 第87-106页 |
| 5.1 缺陷 2D/3D特征信息的自适应融合 | 第87-90页 |
| 5.2 基于模式识别理论的缺陷分类 | 第90-92页 |
| 5.3 最优缺陷分类模型研究 | 第92-98页 |
| 5.3.1 BP神经网络模型及其迭代算法的改进 | 第92-96页 |
| 5.3.2 基于支持向量机的钢轨表面缺陷分类 | 第96-98页 |
| 5.4 缺陷分类实验及结果分析 | 第98-105页 |
| 5.5 本章小结 | 第105-106页 |
| 第六章 钢轨表面缺陷检测的实例应用 | 第106-120页 |
| 6.1 检测指标及系统总体设计 | 第106-108页 |
| 6.2 检测平台的设计及钢轨表面图像的采集 | 第108-115页 |
| 6.3 缺陷图像的处理及识别分类 | 第115-119页 |
| 6.4 本章小结 | 第119-120页 |
| 第七章 总结与展望 | 第120-123页 |
| 7.1 全文总结 | 第120-121页 |
| 7.2 创新点 | 第121页 |
| 7.3 展望 | 第121-123页 |
| 誌谢 | 第123-124页 |
| 参考文献 | 第124-135页 |
| 攻读博士学位期间发表论文 | 第135-136页 |
| 攻读博士学位期间取得专利 | 第136-137页 |
| 攻读博士学位期间主持和参与的科研项目 | 第137页 |
