图像处理技术在智能电网中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语说明表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 智能电网 | 第14-15页 |
| 1.2.2 图像自动标注技术 | 第15-17页 |
| 1.3 本文所做主要工作和章节安排 | 第17-19页 |
| 第二章 图像自动标注基本概念 | 第19-41页 |
| 2.1 图像视觉特征 | 第19-25页 |
| 2.1.1 图像特征提取基本概念 | 第19页 |
| 2.1.2 图像特征提取的难点 | 第19-20页 |
| 2.1.3 图像颜色特征 | 第20-22页 |
| 2.1.4 图像纹理特征 | 第22页 |
| 2.1.5 图像形状特征 | 第22-23页 |
| 2.1.6 图像空间关系特征 | 第23页 |
| 2.1.7 图像语义特征 | 第23-24页 |
| 2.1.8 各种图像特征的对比 | 第24-25页 |
| 2.2 图像特征的相似性度量 | 第25-28页 |
| 2.2.1 图像匹配 | 第25-26页 |
| 2.2.2 相似性度量 | 第26-28页 |
| 2.3 图像的超像素分割 | 第28-40页 |
| 2.3.1 基于图论的超像素分割算法 | 第29-32页 |
| 2.3.2 基于梯度下降的超像素分割算法 | 第32-37页 |
| 2.3.3 超像素分割实验结果与分析 | 第37-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 基于紫外成像法的电晕电弧放电区域检测 | 第41-54页 |
| 3.1 紫外成像检测技术 | 第41-44页 |
| 3.1.1 紫外成像技术原理 | 第42-43页 |
| 3.1.2 紫外成像技术的特点 | 第43-44页 |
| 3.1.3 紫外成像技术应用面对的问题 | 第44页 |
| 3.2 形态学滤波 | 第44-47页 |
| 3.2.1 开运算和闭运算 | 第45-47页 |
| 3.3 图像边缘检测 | 第47-50页 |
| 3.3.1 Canny边缘检测器 | 第48-50页 |
| 3.4 基于紫外成像法的电晕电弧放电区域检测 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于纠错输出码的图像标签自动标注 | 第54-73页 |
| 4.1 ECOC算法的基本思想及其原理 | 第54-55页 |
| 4.2 纠错输出码编码及解码原理 | 第55-62页 |
| 4.2.1 ECOC算法的编码矩阵分析 | 第55-61页 |
| 4.2.2 纠错输出码的解码 | 第61-62页 |
| 4.3 基于支持向量机的ECOC | 第62-66页 |
| 4.3.1 支持向量机算法基本思想 | 第62-66页 |
| 4.4 基于Adaboost的ECOC | 第66-68页 |
| 4.4.1 Adaboost算法基本思想 | 第66-68页 |
| 4.5 实验结果与分析 | 第68-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结和展望 | 第73-75页 |
| 5.1 本文的主要工作 | 第73页 |
| 5.2 下一步研究工作 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 硕士研究生期间的研究成果 | 第80-81页 |
| 个人简历 | 第81-82页 |
| 学位论文评审后修改说明表 | 第82-83页 |
