基于图像处理的列车车轮踏面损伤的识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 论文选题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的主要研究内容 | 第11-13页 |
| 2 车轮踏面检测系统 | 第13-19页 |
| 2.1 系统的构成及工作原理 | 第13-15页 |
| 2.1.1 系统的构成 | 第13-14页 |
| 2.1.2 系统的工作原理 | 第14-15页 |
| 2.2 系统相关的技术 | 第15-18页 |
| 2.2.1 机器视觉 | 第15页 |
| 2.2.2 数字图像处理 | 第15-16页 |
| 2.2.3 模式识别 | 第16-18页 |
| 2.3 小结 | 第18-19页 |
| 3 踏面图像的边缘检测 | 第19-37页 |
| 3.1 图像预处理 | 第19-23页 |
| 3.1.1 图像滤波 | 第19-22页 |
| 3.1.2 图像增强 | 第22-23页 |
| 3.2 常见边缘检测算法 | 第23-29页 |
| 3.3 改进的Canny边缘检测算法 | 第29-36页 |
| 3.3.1 自适应加权中值滤波 | 第29-32页 |
| 3.3.2 梯度幅值的计算 | 第32页 |
| 3.3.3 自适应阈值的确定 | 第32-36页 |
| 3.4 小结 | 第36-37页 |
| 4 损伤特征提取与分类识别 | 第37-51页 |
| 4.1 精分割踏面图像 | 第37-39页 |
| 4.2 损伤区域筛选 | 第39-43页 |
| 4.2.1 图像二值化 | 第39-41页 |
| 4.2.2 形态学运算 | 第41页 |
| 4.2.3 可疑损伤区域筛选 | 第41-43页 |
| 4.3 损伤区域特征提取 | 第43-47页 |
| 4.4 基于BP神经网络的踏面损伤分类识别 | 第47-50页 |
| 4.4.1 BP神经网络 | 第47-48页 |
| 4.4.2 BP网络的设计 | 第48-49页 |
| 4.4.3 踏面损伤分类识别 | 第49-50页 |
| 4.5 小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读学位期间的研究成果 | 第55页 |
