摘要 | 第4-5页 |
Abstract | 第5-6页 |
1. 绪论 | 第10-18页 |
1.1 引言 | 第10-11页 |
1.2 绝缘子识别研究现状分析 | 第11-16页 |
1.2.1 绝缘子视觉识别特征 | 第11页 |
1.2.2 绝缘子视觉识别技术研究进展 | 第11-14页 |
1.2.3 研究现状总结 | 第14-15页 |
1.2.4 目标视觉识别发展趋势 | 第15-16页 |
1.3 课题主要研究内容及方法 | 第16-17页 |
1.3.1 研究内容 | 第16页 |
1.3.2 研究思路 | 第16-17页 |
1.4 论文组织结构 | 第17页 |
1.5 本章小结 | 第17-18页 |
2. 基于多核SVM的 绝缘子视觉识别技术基础 | 第18-36页 |
2.1 绝缘子视觉特征选用 | 第18-27页 |
2.1.1 图像颜色空间 | 第18-19页 |
2.1.2 图像纹理特征描述 | 第19-25页 |
2.1.3 绝缘子样本归一化及主成分分析 | 第25-27页 |
2.2 支持向量机实现方法研究 | 第27-32页 |
2.2.1 支持向量机算法原理 | 第27-29页 |
2.2.2 支持向量机算法二次规划处理 | 第29-32页 |
2.3 支持向量机模型性能评价因素分析 | 第32-35页 |
2.3.1 模型识别性能评价体系描述 | 第32页 |
2.3.2 模型性能优化评价体系描述 | 第32-35页 |
2.4 本章小结 | 第35-36页 |
3. 绝缘子视觉特征选取 | 第36-50页 |
3.1 绝缘子图像获取及预处理 | 第36-41页 |
3.1.1 绝缘子图像样本获取 | 第36-38页 |
3.1.2 绝缘子图像二值化分割 | 第38-40页 |
3.1.3 绝缘子图像ROI区域获取 | 第40-41页 |
3.2 绝缘子纹理特征提取 | 第41-45页 |
3.2.1 绝缘子Hu距特征提取 | 第42-43页 |
3.2.2 绝缘子LBP特征提取 | 第43页 |
3.2.3 绝缘子HOG纹理特征提取 | 第43-44页 |
3.2.4 绝缘子Haar纹理特征提取 | 第44-45页 |
3.3 绝缘子特征样本处理 | 第45-49页 |
3.3.1 绝缘子特征样本归一化 | 第45-47页 |
3.3.2 基于PCA的特征样本降维 | 第47-49页 |
3.4 本章小结 | 第49-50页 |
4. 基于多核SVM算法的绝缘子识别模型建立 | 第50-65页 |
4.1 基于核函数SVM的绝缘子识别模型建立 | 第50-59页 |
4.1.1 基于线性核的绝缘子识别模型建立 | 第51-53页 |
4.1.2 基于径向基核的绝缘子识别模型建立 | 第53-56页 |
4.1.3 基于多项式核的绝缘子识别模型建立 | 第56-59页 |
4.2 多种识别模型识别效率比较 | 第59-64页 |
4.2.1 不同特征量的绝缘子视觉识别模型建立 | 第59-60页 |
4.2.2 不同识别模型识别效率比较 | 第60-61页 |
4.2.3 组合式模型识别效率比较 | 第61-64页 |
4.3 本章小结 | 第64-65页 |
5. 基于群智能优化的绝缘子识别模型参数寻优 | 第65-80页 |
5.1 参数的相互约束关系 | 第65-71页 |
5.1.1 SVM核函数方法的多参数关系 | 第65-69页 |
5.1.2 SVM模型分析及评价体系 | 第69-71页 |
5.2 基于群智能算法的模型参数寻优 | 第71-76页 |
5.2.1 多种群智能优化算法对比 | 第71-73页 |
5.2.2 基于群智能优化算法的SVM径 向基核参数寻优分析 | 第73-75页 |
5.2.3 基于群智能优化算法的SVM多 项式核参数寻优分析 | 第75-76页 |
5.3 多核SVM的绝缘子视觉识别系统流程 | 第76-79页 |
5.4 本章小结 | 第79-80页 |
6. 基于双目全视域采样的绝缘子三维定位系统 | 第80-90页 |
6.1 双目系统间接标定采样方法 | 第80-82页 |
6.2 双目系统全视域采样标定实验设计 | 第82-85页 |
6.3 SVM算法的标定模型分析 | 第85-87页 |
6.4 工程验证 | 第87-89页 |
6.5 本章小结 | 第89-90页 |
结论 | 第90-92页 |
致谢 | 第92-93页 |
参考文献 | 第93-97页 |
攻读硕士学位期间发表学术论文及研究成果 | 第97-98页 |