巡道车视频处理系统关键技术的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-12页 |
| ·国内外相关现状 | 第12-14页 |
| ·本文的主要工作及创新点 | 第14-16页 |
| ·本篇论文的主要工作 | 第14-15页 |
| ·本篇论文的主要特色及创新点 | 第15-16页 |
| 2 系统总体构成及技术方案 | 第16-20页 |
| ·巡道车视频处理系统的总体构成 | 第16-17页 |
| ·图像处理子系统的总体构成 | 第17-18页 |
| ·图像处理子系统的技术方案 | 第18-20页 |
| 3 图像预处理及区域定位 | 第20-37页 |
| ·图像预处理模块设计 | 第20-24页 |
| ·图像灰度化 | 第20-21页 |
| ·图像边缘检测 | 第21-24页 |
| ·区域定位模块设计 | 第24页 |
| ·道床区域定位 | 第24-35页 |
| ·各种直线检测方法的原理及区别 | 第25-26页 |
| ·Hough变换直线检测 | 第26-29页 |
| ·Hough变换算法的改进 | 第29-34页 |
| ·道床区域定位算法 | 第34-35页 |
| ·扣件区域定位 | 第35-37页 |
| 4 道床板结检测 | 第37-63页 |
| ·道床板结检测模块设计 | 第37-38页 |
| ·纹理分析及纹理分类 | 第38-43页 |
| ·纹理基本特征及描述 | 第38-40页 |
| ·纹理分析的基本方法 | 第40-42页 |
| ·纹理分类及分类器 | 第42-43页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第43-51页 |
| ·灰度共生矩阵 | 第44-45页 |
| ·灰度共生矩阵生成间距d的自适应 | 第45-48页 |
| ·道床纹理特征的提取 | 第48-51页 |
| ·分类器设计 | 第51-59页 |
| ·BP神经网络学习算法 | 第52-54页 |
| ·BP神经网络的参数 | 第54-56页 |
| ·分类器的设计与实现 | 第56-59页 |
| ·实验结果分析 | 第59-61页 |
| ·道床板结检测中所遇问题的探讨 | 第61-63页 |
| 5 扣件状态识别 | 第63-75页 |
| ·扣件状态识别模块设计 | 第63-64页 |
| ·扣件状态特征提取 | 第64-69页 |
| ·特征提取概述 | 第64-65页 |
| ·不变矩的计算方法 | 第65-68页 |
| ·两种扣件状态的特征提取 | 第68-69页 |
| ·图像的分类识别和实验结果 | 第69-73页 |
| ·分类器设计 | 第69-70页 |
| ·实验流程及结果分析 | 第70-73页 |
| ·努力方向及改进工作 | 第73-75页 |
| 6 图像处理子系统的软件实现 | 第75-80页 |
| ·开发环境选择 | 第75页 |
| ·软件处理流程 | 第75-77页 |
| ·软件的实现结果 | 第77-80页 |
| 7 结论与展望 | 第80-82页 |
| ·本文的总结 | 第80-81页 |
| ·本文的进一步工作 | 第81-82页 |
| 参考文献 | 第82-84页 |
| 作者简历 | 第84-86页 |
| 学位论文数据集 | 第86页 |
