| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 隔离开关目标定位方法的研究 | 第11页 |
| 1.2.2 隔离开关运行状态识别方法的研究 | 第11-12页 |
| 1.2.3 实时图像处理平台的研究 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文章节构成 | 第14-16页 |
| 第二章 系统总体方案设计 | 第16-21页 |
| 2.1 隔离开关对象特点分析 | 第16-17页 |
| 2.2 总体方案设计 | 第17-20页 |
| 2.2.1 系统结构 | 第17-18页 |
| 2.2.2 图像采集平台 | 第18页 |
| 2.2.3 系统硬件方案 | 第18页 |
| 2.2.4 运行状态识别总体方案 | 第18-20页 |
| 2.3 技术难点 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于特征匹配的隔离开关运行状态粗识别 | 第21-35页 |
| 3.1 隔离开关图像预处理 | 第21-22页 |
| 3.2 基于直线特征的识别算法分析 | 第22-25页 |
| 3.2.1 隔离开关区域提取 | 第22-24页 |
| 3.2.2 开关区域直线检测 | 第24-25页 |
| 3.3 基于改进SIFT的隔离开关运行状态粗识别 | 第25-32页 |
| 3.3.1 匹配算法选择 | 第25-27页 |
| 3.3.2 SIFT算法原理 | 第27-30页 |
| 3.3.3 SIFT算法改进 | 第30-32页 |
| 3.4 实验结果与对比分析 | 第32-34页 |
| 3.4.1 实验结果 | 第32-33页 |
| 3.4.2 对比分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于随机森林分类的隔离开关运行状态精确识别 | 第35-52页 |
| 4.1 精确识别总体流程 | 第35页 |
| 4.2 隔离开关图像特征提取 | 第35-39页 |
| 4.2.1 方向梯度直方图特征提取 | 第35-37页 |
| 4.2.2 边缘轮廓特征提取 | 第37-39页 |
| 4.3 开关模型训练与改进 | 第39-45页 |
| 4.3.1 分类器选择 | 第39-41页 |
| 4.3.2 决策树原理 | 第41-42页 |
| 4.3.3 基于广义霍夫变换的隔离开关目标定位 | 第42-44页 |
| 4.3.4 基于随机森林分类的开关模型训练与改进 | 第44-45页 |
| 4.4 隔离开关运行状态判别准则 | 第45-46页 |
| 4.5 样本库建立 | 第46-47页 |
| 4.6 实验结果与对比分析 | 第47-51页 |
| 4.6.1 实验结果 | 第47-49页 |
| 4.6.2 对比分析 | 第49-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 检测系统集成与测试 | 第52-64页 |
| 5.1 硬件总体结构 | 第52-53页 |
| 5.2 DSP控制单元设计 | 第53-55页 |
| 5.2.1 DSP芯片选型 | 第53页 |
| 5.2.2 电源电路 | 第53-54页 |
| 5.2.3 时钟电路 | 第54-55页 |
| 5.3 图像输入解码电路设计 | 第55-57页 |
| 5.3.1 解码芯片选型 | 第55-56页 |
| 5.3.2 输入解码电路 | 第56-57页 |
| 5.4 系统工作流程 | 第57页 |
| 5.5 算法程序流程 | 第57-60页 |
| 5.5.1 特征提取程序 | 第58-59页 |
| 5.5.2 随机森林构建程序 | 第59-60页 |
| 5.6 实验测试与结果分析 | 第60-63页 |
| 5.6.1 实验测试平台 | 第60-61页 |
| 5.6.2 测试结果与分析 | 第61-63页 |
| 5.7 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70页 |