| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 论文的选题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 机器视觉研究现状 | 第11-12页 |
| 1.2.2 轨道障碍物检测研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 论文章节安排 | 第14-15页 |
| 2 障碍物检测的相关技术 | 第15-26页 |
| 2.1 障碍物检测系统框架及图像的采集 | 第15-19页 |
| 2.1.1 障碍物检测系统框架 | 第15-18页 |
| 2.1.2 图像的采集 | 第18-19页 |
| 2.2 图像预处理 | 第19-24页 |
| 2.2.1 图像灰度化 | 第19-20页 |
| 2.2.2 图像平滑滤波 | 第20-23页 |
| 2.2.3 图像增强 | 第23-24页 |
| 2.3 预处理仿真实验及分析 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 3 铁路轨道钢轨边缘检测 | 第26-35页 |
| 3.1 微分算子边缘检测 | 第26-28页 |
| 3.1.1 一阶微分算子 | 第26-28页 |
| 3.1.2 二阶微分算子 | 第28页 |
| 3.2 轨道边缘轮廓线的提取 | 第28-33页 |
| 3.2.1 端点像素定位 | 第29-31页 |
| 3.2.2 区域生长 | 第31-33页 |
| 3.2.3 断线的连接 | 第33页 |
| 3.3 检测窗的建立 | 第33-34页 |
| 3.4 小结 | 第34-35页 |
| 4 基于改进快速二值化的轨道障碍物检测 | 第35-45页 |
| 4.1 传统快速二值化算法 | 第35-36页 |
| 4.2 推导快速二值化算法的递推公式 | 第36-37页 |
| 4.3 图像复杂度缩小分割阈值的遍历范围 | 第37-41页 |
| 4.3.1 图像复杂度 | 第37-38页 |
| 4.3.2 图像复杂度的性质 | 第38页 |
| 4.3.3 图像复杂度的描述 | 第38-41页 |
| 4.4 改进算法流程 | 第41页 |
| 4.5 障碍物检测仿真实验与结果分析 | 第41-44页 |
| 4.6 小结 | 第44-45页 |
| 5 粒子群优化的改进Tsallis熵在轨道障碍物中的检测 | 第45-55页 |
| 5.1 二维Tsallis熵阈值分割算法分析 | 第46-47页 |
| 5.2 一种改进的阈值选取算法 | 第47-49页 |
| 5.3 改进粒子群优化算法 | 第49-51页 |
| 5.3.1 经典粒子群优化算法 | 第49页 |
| 5.3.2 改进粒子群算法 | 第49-51页 |
| 5.4 算法流程 | 第51-52页 |
| 5.5 障碍物检测仿真实验与结果分析 | 第52-54页 |
| 5.6 小结 | 第54-55页 |
| 6 轨道静态障碍物的检测 | 第55-62页 |
| 6.1 障碍物初步检测 | 第55-56页 |
| 6.2 障碍物精确检测 | 第56页 |
| 6.3 异物入侵检测判断步骤 | 第56-57页 |
| 6.4 静态障碍物检测仿真实验与分析 | 第57-61页 |
| 6.5 小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |