| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内扣件研究现状 | 第16-18页 |
| 1.2.3 扣件自动巡检系统 | 第18-22页 |
| 1.3 研究问题描述 | 第22-23页 |
| 1.4 关键技术分析 | 第23-24页 |
| 1.5 论文主要内容 | 第24-27页 |
| 第2章 扣件子图像的分割与检测 | 第27-48页 |
| 2.1 扣件子图像的定位与分割 | 第27-35页 |
| 2.1.1 扣件粗定位与分割 | 第28-33页 |
| 2.1.2 扣件精确定位与分割 | 第33-35页 |
| 2.2 基于对称性扣件样本的图像检测 | 第35-45页 |
| 2.2.1 扣件结构对称性 | 第36-41页 |
| 2.2.2 扣件样本库的建立 | 第41-43页 |
| 2.2.3 基于图像对称性的检测方法 | 第43-45页 |
| 2.3 扣件定位实验及分析 | 第45-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第3章 扣件图像EA-HOG特征 | 第48-61页 |
| 3.1 HOG特征 | 第49-51页 |
| 3.2 PHOG特征 | 第51-52页 |
| 3.3 EA边缘感知算法 | 第52-54页 |
| 3.4 扣件EA-HOG特征提取 | 第54-55页 |
| 3.5 实验及结果分析 | 第55-60页 |
| 3.5.1 EA边缘感知算法的验证 | 第56-58页 |
| 3.5.2 扣件EA-HOG特征 | 第58-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第4章 扣件图像宏观纹理MSLBP特征 | 第61-78页 |
| 4.1 局部二元模式 | 第62-66页 |
| 4.2 宏观纹理MSLBP特征 | 第66-74页 |
| 4.2.1 生物视觉注意机制 | 第66-67页 |
| 4.2.2 基于人眼视觉的特征提取机制 | 第67-70页 |
| 4.2.3 宏观纹理MSLBP特征提取算法 | 第70-73页 |
| 4.2.4 MSLBP特征与EA-HOG特征的融合 | 第73-74页 |
| 4.3 实验及结果分析 | 第74-77页 |
| 4.3.1 MSLBP特征参数取值及影响 | 第74-75页 |
| 4.3.2 MSLBP特征与相关方法的对比 | 第75-76页 |
| 4.3.3 融合特征有效性的验证 | 第76-77页 |
| 4.4 本章小结 | 第77-78页 |
| 第5章 基于权重累积稀疏表示的图像检测 | 第78-89页 |
| 5.1 稀疏表示算法 | 第79-80页 |
| 5.1.1 稀疏表示算法介绍 | 第79-80页 |
| 5.1.2 稀疏表示算法的应用 | 第80页 |
| 5.2 基于权重累积稀疏表示方法 | 第80-83页 |
| 5.2.1 待测试样本的近邻训练样本选择 | 第81-82页 |
| 5.2.2 待测试样本的精确识别 | 第82-83页 |
| 5.3 实验及结果分析 | 第83-88页 |
| 5.3.1 实验准备 | 第83-84页 |
| 5.3.2 扣件数据库实验 | 第84-87页 |
| 5.3.3 实际线路实验 | 第87-88页 |
| 5.4 本章小结 | 第88-89页 |
| 第6章 结论与展望 | 第89-92页 |
| 6.1 论文完成的主要工作总结 | 第89-90页 |
| 6.2 论文研究成果及创新点 | 第90-91页 |
| 6.3 下一步工作展望 | 第91-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-106页 |
| 攻读博士学位期间发表的论文及科研成果 | 第106-107页 |