基于神经网络和不变矩的绝缘子裂纹类型识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的来源以及研究目的 | 第9-11页 |
| ·课题的来源 | 第9-11页 |
| ·研究的目的和意义 | 第11页 |
| ·数字图像处理和识别的研究历史和发展现状 | 第11-14页 |
| ·数字图像处理与识别的研究历史 | 第11-12页 |
| ·数字图像处理与识别的研究现状 | 第12-14页 |
| ·绝缘子检测的研究现状 | 第14页 |
| ·本课题研究的主要内容 | 第14-16页 |
| 第二章 检测系统的设计 | 第16-21页 |
| ·检测系统的总体方案 | 第16-17页 |
| ·系统的硬件设计 | 第17-19页 |
| ·硬件系统的总体构成 | 第17页 |
| ·硬件具体配置 | 第17-19页 |
| ·系统的软件设计 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 绝缘子裂纹图像的预处理及特征提取 | 第21-33页 |
| ·绝缘子裂纹图像的噪声消除 | 第21-23页 |
| ·中值滤波 | 第21-23页 |
| ·绝缘子裂纹图像的分割 | 第23-25页 |
| ·绝缘子裂纹图像分割策略 | 第23-24页 |
| ·绝缘子裂纹子块图像特征值的选取 | 第24-25页 |
| ·绝缘子裂纹图像的二值化 | 第25-29页 |
| ·绝缘子裂纹图像的特征提取 | 第29-32页 |
| ·特征提取的概念 | 第29-30页 |
| ·图像不变矩的介绍 | 第30-32页 |
| ·绝缘子裂纹图像特征值的提取 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于BP神经网络的绝缘子裂纹的分类识别 | 第33-48页 |
| ·BP神经网络基本原理 | 第33-39页 |
| ·BP神经元 | 第33-34页 |
| ·BP网络 | 第34-37页 |
| ·BP算法的改进 | 第37-39页 |
| ·绝缘子裂纹的分类及样本的产生 | 第39-41页 |
| ·绝缘子的裂纹类型 | 第39页 |
| ·人工样本的产生 | 第39-41页 |
| ·基于BP神经网络的分类识别 | 第41-47页 |
| ·确定BP网络的结构 | 第41-43页 |
| ·误差的选取 | 第43-44页 |
| ·BP改进算法的实验比较 | 第44-45页 |
| ·BP神经网络的识别实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-50页 |
| ·本文完成的主要工作 | 第48页 |
| ·有待进一步研究的问题 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文 | 第54页 |
