| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 非接触式检测应用 | 第10-11页 |
| 1.2.2 目标识别 | 第11页 |
| 1.3 存在的问题及发展前景 | 第11-13页 |
| 1.3.1 目标识别算法的难点 | 第11-12页 |
| 1.3.2 特征提取的难点 | 第12页 |
| 1.3.3 基于非接触式接触网检测的难点 | 第12-13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第二章 图像预处理及目标特征分析 | 第15-23页 |
| 2.1 预处理 | 第15-19页 |
| 2.1.1 中值滤波 | 第15页 |
| 2.1.2 均值滤波 | 第15-17页 |
| 2.1.3 直方图均衡化 | 第17-19页 |
| 2.2 目标特征分析 | 第19-22页 |
| 2.2.1 鸟巢特征分析 | 第19-20页 |
| 2.2.2 绝缘子特征分析 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于相对位置不变性的鸟巢检测 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 鸟巢图像特点分析 | 第23-24页 |
| 3.3 算法理论 | 第24-29页 |
| 3.3.1 Canny算子 | 第24-25页 |
| 3.3.2 Sobel | 第25-26页 |
| 3.3.3 膨胀 | 第26-27页 |
| 3.3.4 随机Hough变换 | 第27-28页 |
| 3.3.5 Otsu | 第28-29页 |
| 3.4 鸟巢识别与定位试验 | 第29-32页 |
| 3.5 试验结果及分析 | 第32-33页 |
| 3.5.1 试验 | 第32页 |
| 3.5.2 试验结果分析 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于机器学习的绝缘子识别检测 | 第34-55页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于机器学习的方法 | 第35页 |
| 4.3 特征提取 | 第35-40页 |
| 4.3.1 Gabor特征 | 第35-38页 |
| 4.3.2 Hog特征 | 第38-40页 |
| 4.4 分类器 | 第40-45页 |
| 4.4.1 级联分类器 | 第40-42页 |
| 4.4.2 支持向量机 | 第42-45页 |
| 4.5 基于级联分类器的绝缘子检测 | 第45-47页 |
| 4.6 基于选择性搜索的绝缘子检测 | 第47-54页 |
| 4.6.1 穷举法搜索（Exhaustive Search） | 第47页 |
| 4.6.2 选择性搜索（Selective Search） | 第47-49页 |
| 4.6.3 非极大值抑制（Non-maximum suppression） | 第49-50页 |
| 4.6.4 试验 | 第50-54页 |
| 4.7 本章小节 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 个人简历 在读期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
