| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究状况 | 第11-14页 |
| 1.2.1 弹条扣件检测研究现状 | 第11-13页 |
| 1.2.2 裂缝识别检测现状 | 第13-14页 |
| 1.3 论文研究内容及结构安排 | 第14-16页 |
| 1.3.1 论文的研究内容 | 第14-15页 |
| 1.3.2 论文的结构安排 | 第15-16页 |
| 第二章 铁路扣件弹条裂缝检测相关理论 | 第16-39页 |
| 2.1 基于传统算法的裂缝检测 | 第16-27页 |
| 2.1.1 图像预处理 | 第16-23页 |
| 2.1.2 特征提取 | 第23-25页 |
| 2.1.3 分类检测 | 第25-27页 |
| 2.2 基于深度学习的裂缝检测方法 | 第27-38页 |
| 2.2.1 卷积神经网络 | 第28-34页 |
| 2.2.2 典型的卷积神经网络架构 | 第34-37页 |
| 2.2.3 分类检测 | 第37-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 基于相位一致性的扣件弹条裂缝检测方法 | 第39-59页 |
| 3.1 弹条扣件裂缝区域定位方法 | 第40-44页 |
| 3.1.1 图像预处理 | 第40-42页 |
| 3.1.2 裂缝区域定位 | 第42-44页 |
| 3.2 扣件弹条裂缝提取方法 | 第44-50页 |
| 3.2.1 相位一致性检测 | 第44-46页 |
| 3.2.2 阈值分割 | 第46-47页 |
| 3.2.3 后处理 | 第47-50页 |
| 3.3 扣件弹条裂缝检测识别方法 | 第50-51页 |
| 3.3.1 特征提取 | 第50-51页 |
| 3.3.2 识别分类 | 第51页 |
| 3.4 实验结果及分析 | 第51-58页 |
| 3.4.1 裂缝区域定位方法 | 第53-54页 |
| 3.4.2 裂缝提取方法 | 第54-57页 |
| 3.4.3 裂缝检测识别方法 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 改进的基于卷积神经网络的扣件弹条裂缝检测方法 | 第59-74页 |
| 4.1 第一级裂缝检测 | 第61-64页 |
| 4.1.1 卷积神经网络结构 | 第61-63页 |
| 4.1.2 卷积神经网络数据集构建 | 第63-64页 |
| 4.2 第二级裂缝检测 | 第64-66页 |
| 4.2.1 特征提取 | 第65页 |
| 4.2.2 分类识别 | 第65-66页 |
| 4.3 实验结果及分析 | 第66-73页 |
| 4.3.1 神经网络参数对比实验 | 第66-70页 |
| 4.3.2 优化实验 | 第70-72页 |
| 4.3.3 扣件弹条裂缝检测方法对比实验 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 工作总结 | 第74-75页 |
| 5.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文 | 第80-81页 |
| 致谢 | 第81页 |