基于运动图像处理的电力设备识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 图像复原技术研究现状 | 第11页 |
| 1.2.2 电力设备图像识别技术研究现状 | 第11-12页 |
| 1.3 课题相关技术背景 | 第12-13页 |
| 1.3.1 图像去运动模糊概述 | 第12页 |
| 1.3.2 图像识别技术 | 第12-13页 |
| 1.3.3 研究目标及技术路线 | 第13页 |
| 1.4 论文的主要内容及章节安排 | 第13-15页 |
| 第2章 运动图像退化及复原理论基础 | 第15-24页 |
| 2.1 运动图像模糊的原因 | 第15-16页 |
| 2.1.1 运动模糊 | 第15页 |
| 2.1.2 点扩散函数 | 第15-16页 |
| 2.2 运动图像退化和恢复模型 | 第16-18页 |
| 2.3 图像复原经典算法 | 第18-23页 |
| 2.3.1 维纳滤波算法 | 第18-19页 |
| 2.3.2 Richardson-Lucy算法 | 第19-21页 |
| 2.3.3 盲解卷积算法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 振铃效应机理及其抑制方法研究 | 第24-32页 |
| 3.1 产生振铃效应的原因 | 第24-25页 |
| 3.2 抑制振铃效应的算法 | 第25-28页 |
| 3.2.1 循环边界法 | 第25-26页 |
| 3.2.2 最优窗法 | 第26-28页 |
| 3.3 改进的循环边界法 | 第28-30页 |
| 3.3.1 双边高斯滤波方法 | 第28-30页 |
| 3.3.2 基于双边高斯滤波的循环边界法 | 第30页 |
| 3.3.3 算法小结 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 电力设备图像识别方法研究 | 第32-51页 |
| 4.1 K均值聚类算法 | 第32-35页 |
| 4.1.1 聚类算法理论研究 | 第32页 |
| 4.1.2 颜色特征提取 | 第32-34页 |
| 4.1.3 K均值聚类算法研究 | 第34-35页 |
| 4.2 分水岭分割算法 | 第35-43页 |
| 4.2.1 分水岭算法研究 | 第35-40页 |
| 4.2.2 图像边缘信息提取 | 第40-41页 |
| 4.2.3 多尺度形态学梯度的计算与调整 | 第41-43页 |
| 4.3 遗传算法的改进及图像双阈值分割算法 | 第43-50页 |
| 4.3.1 阈值分割原理 | 第43页 |
| 4.3.2 模糊熵原理 | 第43-45页 |
| 4.3.3 改进的猴王遗传算法 | 第45-47页 |
| 4.3.4 基于改进遗传算法的最大熵阈值分割算法 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 实验结果与分析 | 第51-56页 |
| 5.1 实验配置 | 第51页 |
| 5.2 实验结果 | 第51-54页 |
| 5.2.1 图像复原结果 | 第51-52页 |
| 5.2.2 图像分割结果 | 第52-54页 |
| 5.3 实验结果分析 | 第54-56页 |
| 第6章 总结 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及参与科研情况 | 第61-62页 |
| 致谢 | 第62页 |
