| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 图像识别技术研究现状 | 第10-12页 |
| 1.2.2 机器学习研究现状 | 第12-14页 |
| 1.2.3 航拍图像绝缘子识别研究现状 | 第14-15页 |
| 1.3 主要研究内容及论文安排 | 第15-17页 |
| 第二章 基于Ada Boost算法的绝缘子识别理论基础 | 第17-32页 |
| 2.1 图像识别基本概念 | 第17页 |
| 2.2 绝缘子图像数据集的获取 | 第17-18页 |
| 2.3 绝缘子图像的预处理 | 第18-21页 |
| 2.3.1 图像灰度化 | 第18-19页 |
| 2.3.2 图像增强 | 第19-20页 |
| 2.3.3 预处理结果 | 第20-21页 |
| 2.4 特征提取 | 第21-25页 |
| 2.4.1 Haar-like特征 | 第21-22页 |
| 2.4.2 Haar-like特征个数 | 第22-24页 |
| 2.4.3 不变矩特征提取 | 第24-25页 |
| 2.5 Ada Boost算法 | 第25-30页 |
| 2.5.1 Boosting算法 | 第25-26页 |
| 2.5.2 Ada Boost算法提出 | 第26-27页 |
| 2.5.3 Ada Boost算法理论分析 | 第27-29页 |
| 2.5.4 Ada Boost算法误差分析 | 第29-30页 |
| 2.6 识别效果评估参数 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于目标建议的Ada Boost算法的绝缘子识别 | 第32-41页 |
| 3.1 基本识别流程 | 第32页 |
| 3.2 目标建议 | 第32-37页 |
| 3.2.1 目标建议概述 | 第32-33页 |
| 3.2.2 目标建议主要方法 | 第33-34页 |
| 3.2.3 目标建议Bing法 | 第34-37页 |
| 3.2.4 用于绝缘子识别的目标建议 | 第37页 |
| 3.3 检测窗融合处理 | 第37-39页 |
| 3.4 绝缘子识别实验结果及分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于 3D模型及骨架提取的Ada Boost算法的绝缘子识别 | 第41-50页 |
| 4.1 识别流程 | 第41页 |
| 4.2 3D模型及扩充样本 | 第41-43页 |
| 4.3 骨架提取模块 | 第43-46页 |
| 4.3.1 图像二值化 | 第43页 |
| 4.3.2 形态学处理 | 第43-44页 |
| 4.3.3 骨架提取 | 第44-45页 |
| 4.3.4 Hough直线检测 | 第45-46页 |
| 4.4 绝缘子识别实验结果及分析 | 第46-49页 |
| 4.4.1 实验一：本章提出的绝缘子识别方法实验 | 第46-48页 |
| 4.4.2 实验二：加入 3D模型的Ada Boost算法识别优势对比实验 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
