基于计算机视觉技术的铁路轨道表面缺陷分类检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 2 轨道缺陷检测方法及类型 | 第15-21页 |
| 2.1 计算机图像处理 | 第15-18页 |
| 2.1.1 计算机视觉处理过程 | 第15-16页 |
| 2.1.2 数字图像的表示方法 | 第16-18页 |
| 2.2 轨道缺陷 | 第18-19页 |
| 2.2.1 钢轨的作用及分类 | 第18页 |
| 2.2.2 轨面缺陷分类 | 第18-19页 |
| 2.3 轨道缺陷检测过程 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 轨道缺陷图像预处理 | 第21-38页 |
| 3.1 图像增强 | 第21-28页 |
| 3.1.1 灰度变换 | 第23-26页 |
| 3.1.2 直方图均衡化 | 第26-28页 |
| 3.2 图像去噪 | 第28-37页 |
| 3.2.1 噪声分类 | 第28-30页 |
| 3.2.2 空间域图像去噪 | 第30-35页 |
| 3.2.3 频率域图像去噪 | 第35页 |
| 3.2.4 去噪评价 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 轨道缺陷图像分割 | 第38-49页 |
| 4.1 背景分割 | 第38-40页 |
| 4.2 目标分割 | 第40-46页 |
| 4.2.1 大津分割法 | 第41-43页 |
| 4.2.2 迭代分割法 | 第43-45页 |
| 4.2.3 可变阈值分割法 | 第45-46页 |
| 4.3 形态学处理 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 轨道缺陷图像边缘检测 | 第49-55页 |
| 5.1 Roberts边缘检测算法 | 第49-50页 |
| 5.2 Sobel边缘检测算法 | 第50-51页 |
| 5.3 Prewitt边缘检测算法 | 第51-53页 |
| 5.4 Canny边缘检测算法 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 轨道缺陷图像分类 | 第55-62页 |
| 6.1 BP神经网络 | 第55-58页 |
| 6.1.1 人工神经网络 | 第55页 |
| 6.1.2 BP神经网络 | 第55-58页 |
| 6.2 缺陷特征值 | 第58-59页 |
| 6.3 BP神经网络缺陷分类 | 第59-61页 |
| 6.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-65页 |
