| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究状况 | 第11-13页 |
| 1.2.1 国外研究状况 | 第12页 |
| 1.2.2 国内研究状况 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 输电线图像预处理 | 第15-21页 |
| 2.1 灰度化处理 | 第15-17页 |
| 2.2 图像滤波方法 | 第17-19页 |
| 2.2.1 自适应中值滤波 | 第17-18页 |
| 2.2.2 高斯滤波 | 第18-19页 |
| 2.3 直方图均衡化 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 边缘检测方法研究 | 第21-30页 |
| 3.1 Scharr滤波器 | 第21-23页 |
| 3.2 Canny算法 | 第23页 |
| 3.3 基于优化Edge Drawing的边缘检测 | 第23-28页 |
| 3.3.1 高斯滤波和计算梯度幅值及方向 | 第24-25页 |
| 3.3.2 锚点的判定 | 第25-26页 |
| 3.3.3 启发式智能路算法连接锚点 | 第26-28页 |
| 3.4 实验及分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 基于Hough变换输电线的识别 | 第30-37页 |
| 4.1 传统Hough变换 | 第30-31页 |
| 4.2 改进的Hough变换 | 第31-34页 |
| 4.2.1 聚类算法 | 第31-33页 |
| 4.2.2 感知编组 | 第33-34页 |
| 4.2.3 随机Hough变换 | 第34页 |
| 4.3 实验及其分析 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于迁移学习的输电线故障分类 | 第37-51页 |
| 5.1 迁移学习 | 第37-39页 |
| 5.1.1 迁移学习概念 | 第37-38页 |
| 5.1.2 迁移学习分类 | 第38页 |
| 5.1.3 迁移学习的基本方法 | 第38-39页 |
| 5.2 整体网络结构设计 | 第39-47页 |
| 5.2.1 卷积层 | 第42-43页 |
| 5.2.2 激活函数 | 第43-44页 |
| 5.2.3 池化层 | 第44-45页 |
| 5.2.4 Inception模块 | 第45-46页 |
| 5.2.5 Softmax层 | 第46-47页 |
| 5.3 基于航拍图像的实验及其分析 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间成果 | 第56-57页 |
| 致谢 | 第57页 |