基于图像处理的铁路轨道异物入侵的自动识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 本文内容组织安排 | 第11-13页 |
| 2 轨道图像的预处理和直线轨道检测 | 第13-25页 |
| 2.1 轨道图像的预处理 | 第13-14页 |
| 2.2 轨道图像的边缘检测 | 第14-15页 |
| 2.3 边缘检测算子 | 第15-19页 |
| 2.3.1 基于一阶导数的边缘检测算子 | 第15-16页 |
| 2.3.2 基于二阶导数的边缘检测算子 | 第16-19页 |
| 2.4 基于Hough变换的铁路直线轨道检测 | 第19-24页 |
| 2.4.1 霍夫变换直线检测 | 第20-21页 |
| 2.4.2 改进的Hough变换直线检测 | 第21-24页 |
| 2.5 小结 | 第24-25页 |
| 3 铁路轨道入侵异物的检测 | 第25-34页 |
| 3.1 轨道图像的背景建模 | 第25-26页 |
| 3.2 基于分块直方图匹配的入侵异物检测 | 第26-29页 |
| 3.2.1 图像分块 | 第26-27页 |
| 3.2.2 灰度级上直方图差值匹配 | 第27-29页 |
| 3.3 分块直方图匹配检测的实现 | 第29-33页 |
| 3.3.1 入侵行人检测 | 第29-31页 |
| 3.3.2 入侵小汽车检测 | 第31-33页 |
| 3.4 小结 | 第33-34页 |
| 4 基于异物特征的BP神经网络异物分类识别 | 第34-54页 |
| 4.1 入侵异物图像的特征选择 | 第34-35页 |
| 4.2 图像的不变矩特征 | 第35-36页 |
| 4.3 图像轮廓的几何特征 | 第36-38页 |
| 4.4 入侵异物特征向量库的建立 | 第38-45页 |
| 4.4.1 异物Hu不变矩分析 | 第38-42页 |
| 4.4.2 异物几何特征分析 | 第42-43页 |
| 4.4.3 异物特征向量库的建立 | 第43-45页 |
| 4.5 基于BP神经网络的入侵异物分类识别 | 第45-53页 |
| 4.5.1 BP神经网络拓扑结构 | 第46-47页 |
| 4.5.2 改进的BP算法 | 第47-48页 |
| 4.5.3 BP神经网络的分类器设计 | 第48-51页 |
| 4.5.4 BP网络分类结果及分析 | 第51-53页 |
| 4.6 小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
