| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-34页 |
| 1.1 研究背景 | 第13-16页 |
| 1.1.1 理论研究背景 | 第13-14页 |
| 1.1.2 应用研究背景 | 第14-16页 |
| 1.2 研究意义 | 第16-18页 |
| 1.2.1 理论意义 | 第16-17页 |
| 1.2.2 实际意义 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-25页 |
| 1.3.1 铁路运行环境检测的国内外研究现状 | 第18-21页 |
| 1.3.2 图像复原方法的国内外研究现状 | 第21-22页 |
| 1.3.3 图像增强方法的国内外研究现状 | 第22-24页 |
| 1.3.4 图像配准方法的国内外研究现状 | 第24-25页 |
| 1.4 铁路运行环境检测的主要工作 | 第25-31页 |
| 1.4.1 钢轨缺陷检测 | 第26-27页 |
| 1.4.2 扣件缺失检测 | 第27-28页 |
| 1.4.3 铁路前向运动环境检测 | 第28-31页 |
| 1.5 主要研究内容和创新点 | 第31-32页 |
| 1.6 本文的章节安排 | 第32-34页 |
| 2 基于卷积神经网络的正则化方法 | 第34-59页 |
| 2.1 引言 | 第34-37页 |
| 2.2 图像模糊与复原 | 第37-40页 |
| 2.2.1 L-2范数约束 | 第38页 |
| 2.2.2 L-1范数约束 | 第38-39页 |
| 2.2.3 L-p范数约束 | 第39页 |
| 2.2.4 一致能量泛函正则化方法的局限性 | 第39-40页 |
| 2.3 钢轨擦伤图像分析 | 第40-42页 |
| 2.4 基于卷积神经网络的正则化方法 | 第42-49页 |
| 2.4.1 基于卷积神经网络的正则化方法的基本思想 | 第42-44页 |
| 2.4.2 基于卷积神经网络的正则化模型 | 第44页 |
| 2.4.3 基于卷积神经网络的钢轨擦伤图像的特征提取和分类 | 第44-47页 |
| 2.4.4 基于卷积神经网络的正则化模型的数值解法 | 第47-48页 |
| 2.4.5 计算代价分析 | 第48-49页 |
| 2.5 实验结果及分析 | 第49-57页 |
| 2.5.1 钢轨擦伤图像实验结果的比较与分析 | 第50-53页 |
| 2.5.2 一般自然图像实验结果的比较与分析 | 第53-57页 |
| 2.6 小结 | 第57-59页 |
| 3 基于图像局部特征的感知增强方法 | 第59-90页 |
| 3.1 引言 | 第59-60页 |
| 3.2 RETINEX感知增强方法 | 第60-66页 |
| 3.2.1 随机路径的Retinex方法 | 第61-62页 |
| 3.2.2 中心/环绕的Retinex方法 | 第62-64页 |
| 3.2.3 求解偏微分方程的Retinex方法 | 第64页 |
| 3.2.4 求解能量泛函的Retinex方法 | 第64-65页 |
| 3.2.5 传统Retinex感知增强方法的局限性 | 第65-66页 |
| 3.3 钢轨扣件图像分析 | 第66-68页 |
| 3.4 基于局部特征的钢轨扣件图像感知增强方法 | 第68-76页 |
| 3.4.1 自适应的光照估计 | 第69-74页 |
| 3.4.2 图像对比度增强 | 第74-75页 |
| 3.4.3 图像动态范围调整 | 第75-76页 |
| 3.5 实验结果及分析 | 第76-88页 |
| 3.5.1 钢轨扣件图像的实验结果比较与分析 | 第76-81页 |
| 3.5.2 一般自然图像的实验结果比较与分析 | 第81-88页 |
| 3.6 小结 | 第88-90页 |
| 4 基于深度信息的铁路前向运动图像的配准方法 | 第90-115页 |
| 4.1 引言 | 第90-91页 |
| 4.2 图像配准和深度估计方法 | 第91-95页 |
| 4.2.1 图像配准方法 | 第91-93页 |
| 4.2.2 深度估计方法 | 第93-95页 |
| 4.3 铁路前向运动图像分析 | 第95-97页 |
| 4.4 铁路前向运动图像的场景深度估计方法 | 第97-99页 |
| 4.5 铁路前向运动图像的物体深度估计方法 | 第99-104页 |
| 4.5.1 物体深度估计模型 | 第99-101页 |
| 4.5.2 光流大小的计算 | 第101-102页 |
| 4.5.3 深度估计的修正 | 第102-104页 |
| 4.6 铁路前向运动图像的深度估计 | 第104-109页 |
| 4.6.1 图像深度的初步估计 | 第104-105页 |
| 4.6.2 图像深度估计的优化 | 第105-107页 |
| 4.6.3 深度估计有效性的实验验证 | 第107-109页 |
| 4.7 基于深度信息的铁路前向运动图像的配准方法 | 第109-114页 |
| 4.7.1 D-SIFT特征描述子及配准方法 | 第109-111页 |
| 4.7.2 实验及有效性验证 | 第111-114页 |
| 4.8 小结 | 第114-115页 |
| 5 总结与展望 | 第115-117页 |
| 5.1 全文总结 | 第115-116页 |
| 5.2 研究展望 | 第116-117页 |
| 参考文献 | 第117-125页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第125-129页 |
| 学位论文数据集 | 第129页 |
