一、一种直线提取的新方法（论文文献综述）
饶鸿江[1]（2021）在《风电场站送出线路纵联保护及故障测距新方法研究》文中指出为加快推进绿色能源产业发展,各省相继出台指导性政策文件支持绿色能源产业持续健康发展,新能源成为主要板块,将会出现装机规模逐步扩大。送出线路作为绿色清洁能源的输送的重要通道,纵联保护的动作可靠性和快速性以及快速定位和排除故障对线路稳定安全运行极其关键。本文根据双馈风机的数学模型、等效电路以及控制策略,推导分析三相短路故障情况下计及Crowbar保护投入、计及转子侧换流器RSC控制下的短路电流解析式。根据逆变型电源并网逆变器结构和控制策略,分析推导了计及网侧换流器GSC控制下的三相短路电流解析式。依据解析式,得出双馈型电源、逆变型电源故障短路电流成分复杂,分析发现双馈型电源故障电流中含有的转速频率分量和自由分量,逆变型电源故障电流呈现非工频特性,故障电流弱馈特性明显且含有大量谐波等将导致风电场站送出线路基于工频量的保护方法失效。现有基于故障模型识别相关性保护忽略了相间电磁耦合的影响,不能反映所有故障类型、抗过渡电阻能力不强;基于波形相似度的保护方法存在适应性问题,比如虚假故障脉冲、数据缺失、两端数据不同步等都可能造成保护误动、拒动。提取场站侧故障电流高频分量发现受风电场站故障特性的影响,高频电流分量存在频谱混叠,给波头辨识带来极大的困难,另外还存在波头标定时刻误差,解时域微分方程测距原理也未考虑线路分布电容的影响,因此故障测距可靠性较低。针对以上问题,本文分别提出了基于时域模量辨识线路参数、时域全量电流空间轨迹识别的送出线路纵联保护。时域模量辨识线路参数主要依据区内、区外故障时,线路等效模型不同,辨识参数稳定性不同,结合E-DTW距离检测辨识参数稳定性构成保护动作判据。时域全量电流空间轨迹识别主要依据正常运行及外部故障情况下故障相全时域电流空间轨迹分布于第二、四象限,内部故障分布于第一、三象限的特征,计算落入第一、三象限和第二、四象限轨迹落入点数比值构成保护动作判据,故障相全时域电流半周期内空间轨迹拟合直线斜率正、负也构成保护动作的判据。仿真表明所提的两种纵联保护方法均动作性能良好、适应性强。提出并证明模拟时间反演用于送出线路双端、单端故障测距理论的正确性,仿真和实测验证所提方法测距结果可靠性高,具有工程实践意义。
李军[2]（2018）在《复杂断块油藏断层地震识别方法研究》文中提出断层对于油气藏开发来说,具有双重作用,它既是油气运移和聚集的重要通道,也会导致油气的逸散。对于复杂断块油藏来说,断层的准确识别和精细描述,对于确定油藏范围、计算储量、部署井位、制定开采方案,都有着重要的作用。可以说,断层的识别与描述一直是断块油藏勘探开发的重中之重。断层的识别与描述有地质、测井和地震方法,其中地震方法是最主要的手段。由于断层空间组合模式比较复杂,断层发育处地震资料成像精度差、信噪比低,准确识别和描述有很大的困难,因此就需要更有效的断层识别方法与技术。本文从地震数据的预处理（“熵”保边滤波）,到方法改进（谱方差相干体和魔方矩阵）,再到新方法和智能优化算法提出（旋转菱形体解释方法和最优选择蚁群算法）,开展了系统的理论研究及实际应用。理论研究通过自行设计的地垒三维模型、Marmousi2模型和Qdome三维模型等测试,结果正确,效果明显;实际应用已在永3、辛25、高89、珠一坳陷HZ区块等多个三维区块进行了检验,应用效果良好。地震数据的预处理,能为后续的地震方法精确识别断层,提供具有高信噪比且边缘信息得到保持的优化数据。本文结合图像学中“熵”的概念和作用,将其引入到地震数据构造复杂度的估算中,实现了基于“熵”的各向异性扩散滤波保边去噪新方法。该方法可以较客观地评估数据的构造复杂程度,为各向异性扩散滤波添加与构造有关的二阶导数信息,从而更好地保护断层等特殊地质体的边缘信息。特征值相干具有不同的表征方式,本文首先对其物理含义进行了深入分析和诠释。而后针对常规相干易受倾斜地层干扰的问题,论文将方差、谱分析及特征值相干结合起来,实现了基于谱方差的相干体技术。相比于传统相干,该方法能更好地压制倾斜地层的干扰,且对微小断层有更强的识别能力。最后为了更好地强化相干算法的识别效果,本文将由魔方矩阵构建的算子与相干算法相结合,实现了基于魔方矩阵的相干增强算法。该方法能分方向识别断层,从而提高复杂断层的空间识别精度。菱形（体）相比于其它数学图形,其长对角线具有明显的方向指向作用。当菱形长对角线与断层方向一致时,合适的对角线长度大小会使沿断层的数据参与计算所占比例较大,其他区域参与计算比例较小,这无形中给计算加上了方向性,有利于断层的精确识别。鉴于此,本文提出了一种基于旋转菱形体属性提取及解释新方法,模型及实际断层破碎带资料验证了方法的合理性及有效性。本文将梯度方向计算、阈值选取与蚁群算法相结合,发展了一种断层自动、快速追踪的基于最优选择的蚁群算法。方法以前面提取的高信噪比相干数据体为基础,结合图像阈值分割算法,选取最优阈值;利用主成分分析（PCA）梯度方向估计,计算出蚂蚁追踪的最佳方向。算法的自动控制与追踪,能使蚂蚁追踪过程始终处于最优选择中,提高了算法的效率及断层识别精度,具有较好的应用前景。
杨宏鑫[3]（2018）在《船目标逆合成孔径雷达成像及转动信息估计算法研究》文中进行了进一步梳理逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）凭借其全天时、全天候和远距离高分辨成像能力,在海上舰船目标的类别属性判定中发挥着巨大的作用,对我国的战略防御和航运交通管制等方面有着重要的意义。然而,想提高基于ISAR系统的舰船目标识别能力,仍需解决几个关键问题。首先,高质量的图像是舰船目标识别的关键,相较于其它视角下的图像,舰船的侧视像和俯视像能提供目标更加丰富的结构信息,因此,如何从雷达观测时间内选取合适的成像时间段生成高质量的目标侧视像及俯视像是本文研究的重点。其次,即使获得了目标侧视像及俯视像,也仅仅是目标散射点在距离-多普勒域上的分布,想要提取更加准确的舰船目标特征,仍需要对图像进行横向定标处理。同时,相较于单幅的目标像,ISAR图像序列多了时间维,能提供目标的转动信息,使之成为了舰船目标识别的重要特征。如何提高目标转动信息的估计精度,也是当前急需解决的重要技术。上述的三个问题不仅是ISAR舰船目标识别领域中的难点,同时还制约了ISAR系统在实际应用上的发展。本论文深入开展了目标最优成像时间段选取、横向定标以及转动信息估计等方面的研究,旨在提高ISAR图像成像质量和探讨稳定的目标转动信息估计方法,以增强基于ISAR系统的舰船目标识别能力。本文的主要研究内容包括以下三个方面:第一部分研究了舰船目标最佳成像时间段选取算法,旨在从雷达回波中选取合适的成像时间段生成高质量的目标侧视像及俯视像。该问题包含两个部分:最佳成像时刻和最佳成像累积时间段。首先,针对最佳成像时刻选取问题,本文从雷达回波信号出发,证明出目标的水平旋转分量与其最大高度、垂直旋转分量与其中心线之间的线性关系。因此,目标的两个转动分量大小可以通过检测图像序列的中心线斜率以及高度信息来估计。同时,本文给出了相应的舰船中心线及最大高度提取算法,并分析了传统舰船中心线提取算法中选取准则存在的问题,进而提出了新的准则以提高不同视角下雷达图像的中心线估计准确率。其次,针对最佳成像累积时间段选取问题,本文提出了以图像梯度为评价标准的时间宽度估计算法来选取合适的时间段生成高质量图像。最后,通过仿真数据和实测数据验证了算法的有效性。第二部分研究了舰船目标ISAR像的横向定标算法,旨在获得目标精确的尺寸信息。首先,针对匀速转动下的目标,分析了传统图像旋转相关法存在的问题,并提出了基于仿射投影矩的横向定标算法。该方法在计算目标的有效转速之前,采用仿射投影矩对相邻两幅ISAR图像进行预处理,以消除两幅图像之间的‘尺度-伸缩’差异。其次,针对非匀速转动下的目标,提出了基于仿射投影矩法和加权平均法相结合的横向定标模型。该模型首先利用仿射投影矩法和ISAR图像序列去估计不同时刻下的目标平均旋转速率,然后采用加权平均的方式来估计中间时刻的目标旋转速率进行定标。第三部分研究了目标转动信息估计算法,旨在提高目标转动信息估计精度。重点研究的内容包括三个部分:特征点提取、匹配跟踪以及旋转中心估计。针对特征点提取问题,本文采用了加速鲁棒特征（Speeded-up Robust Feature,SURF）,相比于传统方法中使用的角点,SURF不仅能从图像的不同尺度上分析目标特性,还能针对图像上的缩放、旋转以及仿射变换保持较稳定的特性。针对特征点匹配跟踪问题,本文采用了双向特征配准法及随机抽样一致算法（Random Sample Consensus,RANSAC）相结合的模型,首先利用双向配准法进行一次粗搜索,剔除绝大多数不满足的特征点,后用RANSAC法对剩余的特征点提纯,做到同时兼顾效率和准确率。针对旋转中心估计问题,本文采用了傅里叶变换（Fourier transform,FT）进行处理,傅里叶变换会将目标的旋转中心转化到频率域上的零频点处,进而不需要确定其位置。
许锐[4]（2018）在《高分辨率遥感影像道路目标识别与提取研究》文中研究表明利用高分辨率遥感影像获取地表信息因其经济高效而受到广泛关注,成为遥感影像信息提取的研究热点。道路地图是一种重要的地理信息资源,其准确性与现势性不仅直接影响空间决策的有效性,对提高影像配准、信息融合与变化检测的精度也具有重要意义。现有文献中针对高分辨率遥感影像道路提取问题提出的方法与已实现的相关算法在适用范围、准确性和实用性等方面存在一定的局限性。本文通过对该问题所涉及的道路基元粗提取、道路基元精提取、路网连接、路口识别、中心线提取等关键技术进行深入研究,探索道路目标识别与提取的新方法和新途径,具体研究内容与成果如下:（1）研究了高分辨率遥感影像的主要特征,设计了一种基于多核学习与多特征融合的道路基元粗提取方法。该方法采用多核学习优化不同特征的权值,实现影像光谱、纹理和方向信息的有效融合,大幅提高了道路基元识别的精度。（2）归纳并研究了道路的形状特征和几何特征,设计了一种道路基元精提取方法。该方法依据道路形状的狭长性、地物的致密度以及地物面积等特征构建道路形状指数进行形状特征滤波,自动滤除非道路噪声的干扰;利用一系列形态学操作解决部分路段存在孔洞、像素间连接松散、结构不完整等问题,平滑和修复道路的结构与形态。（3）结合先验知识以及道路的拓扑特征,提出一种基于知识的道路基元连接算法。该算法通过构建基元连接判罚因子和判罚函数建立道路全局连接模型,实现道路网的拓扑连通。（4）研究并总结了路口的类型和特征,提出一种结合全局探测和局部检测的路口自动识别方法。该方法先在道路骨架整体约束条件下全局获取路口候选点,再通过本文提出的分块矩形旋转模型局部检测影像中的路口。实验结果表明本文提出的方法可大幅提高路口识别的准确性。（5）针对常用中心线提取方法易产生“毛刺”和“偏离”的缺陷,提出一种基于线性结构增强与多元回归的道路中心线提取方法。首先设计了一组多尺度多项式滤波器并与道路二值骨架进行卷积,获得具有线性结构的像素集合,实现对不规则形状的道路骨架规整;在此基础上,把道路中心线提取问题转换为回归问题,利用多元自适应样条回归法提取道路中心线。实验结果表明本文提出的方法能够有效地从不规则的道路骨架中提取平滑准确的中心线。
王子豪[5]（2018）在《块状区域消失点算法辅助下基于姿态方向的车辆检测》文中进行了进一步梳理经典的先进驾驶系统（Advanced Driver Assistant Systems）,利用了车辆上安装的各种类型传感器,实时收集周围路况信息。并通过基于传感器的实际算法,从而使驾驶员在最快的时间察觉可能发生的危险。在整个系统中,基于车载摄像头的车辆检测起到了尤为关键的作用。通过对获得的图像进行处理和识别,可以对驾驶员在一定程度上提供帮助。这项技术所被运用的领域非常广泛:例如自巡航智能车,辅助驾驶系统,自动泊车系统等等。所以如何提高车辆检测的准确度,成了近几年来热门的话题之一。针对现有的车辆检测方法,本文发现了一个较为普遍的问题:现有的大部分研究都将所有的车辆样本放到同一个分类器中进行训练。考虑到不同方向姿态下的车辆,本身存在着外观特征差异。这样的做法会让整体的准确率有所下降。基于这种因素,本文提出了一种基于车辆姿态方向的算法。通过提取消失点,来预先获得车辆姿态方向与尺度。然后根据其方向与尺度信息,将其放到不同的分类器进行检测,以此来提高车辆检测准确率的方法。新算法的思路,来源于对道路上行驶现象的观察:道路上正常行驶的车辆都会驶向消失点方向。所以根据待检测车辆与消失点的相对位置,我们就可以预先知道待检测车辆的姿态方向。但是在尝试过现有的消失点检测方法后,发现其在准确率与实时性上,无法达到我们研究环境的要求。所以根据现有方法的优缺点,本文提出了一种新的消失点检测方法。利用将图片分成小块,分别计算每个块状区域像素的灰度图像信息,以及HSV空间颜色信息的直方图算法来选择有助于消失点计算的区域。除此之外,为了证实新方法的有效性,本文利用现有的车载摄像头图像数据,人工创造了一份新的车辆检测的数据库。与传统的车辆样本数据库不同的是,新的数据库根据与消失点的位置,关系包含了所有样本的方向信息与尺度信息。这些信息在实行分类检测算法的时候,起到了至关重要的作用。在论文结尾处,通过手工标定消失点位置作为参考,本文比较了现有方法与新方法所检测出的消失点,与参考点之间的距离。证实了新算法的准确性。同时,本文在相同的数据库下,利用不同的特征与分类器组合,分别尝试了传统的训练方法与基于姿态方向分类的车辆检测训练方法,证实了新方法的先进性与有效性,体现了论文整体的成功。
陈芳[6]（2015）在《大尺寸零件在线视觉测量关键技术研究》文中认为视觉测量技术具有非接触、无损伤和适应危险场合等优点,但目前关于大尺寸零件在线视觉测量的研究和理论却比较少。在国家自然科学基金“大尺寸机械零件的高精度在线测量方法研究”（50805023）的资助下,本课题致力于研究大尺寸零件在线视觉测量关键技术,为提高在线视觉测量零件尺寸的工业生产自动化程度奠定理论和技术基础,主要贡献如下：（1）设计了一套实用化的在线视觉测量系统；针对大尺寸零件在线视觉测量的功能要求和技术流程,设计了一套实用化的单目视觉在线测量系统。通过合理选择光源,正确设计照明系统,对相机和镜头等主要部件,综合考虑性价比来选配,搭建了硬件平台,同时开发了相应的测量软件。（2）定义了一个图像清晰度评价函数,提出了一种快速聚焦算法——边缘跨度最小法；针对大尺寸零件在线测量的特点,定义了一个评价图像清晰度的边缘跨度函数,采用动态聚焦窗口和快速搜索策略检测边缘并计算边缘跨度值,研究发现,当跨度值达到最小时,图像最清晰。对比实验表明：本文算法比几种经典最优聚焦函数的聚焦速度更快,比速度最快的绝对梯度函数提高了30%以上,聚焦特性曲线灵敏度更高、单峰性更好,抗噪声性能更强。（3）提出了一种自适应阈值快速边缘检测算法；在对大尺寸零件图像进行大量实验、分析和验证的基础上,提出了一种融合图像背景和前景灰度值的自适应阈值快速边缘检测算法：把图像中背景灰度值首次大于自适应阈值的点,作为目标点,实现了边缘的快速检测。对比实验表明：该方法确定的边缘定位精度高于Roberts算子边缘检测的精度,与几种常用的亚像素法边缘检测的精度接近,但新方法边缘检测的速度快,运算量远小于已有的算法。（4）提出了一种基于链码跟踪的消除序列图像旋转偏差的快速算法；针对大尺寸零件序列图像模板匹配首先需要消除旋转偏差的要求,对带有直线轮廓的零件序列图像,采用链码跟踪获取直线每段连续链码段的长度,然后根据链码段长度选择不同的算法,求出直线与坐标轴间的倾斜角,由倾斜角消除序列图像的旋转偏差。实验结果表明：该算法比用传统的Hough变换提取直线边缘来消除旋转偏差,不仅提高了精度,而且速度提高了25倍多。（5）提出了适用于不同测量对象的三种模板匹配改进算法；算法一：针对表面带有一致性好的线性纹理的大尺寸零件,当纹理方向与坐标轴方向一致时,提出了比较相邻像素灰度值的方法。通过分别比较模板内相邻像素灰度值是否相同,累计比较结果来得到匹配模板,然后再用绝对差和算法实现快速匹配。实验结果表明：该算法的精度与互相关法相当,但所耗时间约为互相关法的五分之一。算法二：对于表面无显着特征的大尺寸零件,提出了求相邻像素灰度值之差值的方法。分别将模板内的相邻像素灰度值各自相减来得到匹配模板,再采用绝对差和算法,并结合自适应阈值来提高匹配速度。通过求相邻像素灰度值之差,增强了算法的抗噪声能力。算法三：提出了一种在视野内大尺寸零件外添加人工标志的方法。根据零件的传送速度、相机的图像采集速度和设定的序列图像重叠区域的大小,来设计周期性的便于提取且计算量小的人工标志,并把人工标志添加在视野内大尺寸零件外的同一物面上。通过对人工标志分割、计算周期数确定匹配模板选择区域,然后对模板内的人工标志增强,采用基于自适应阈值的绝对差和算法完成匹配。这样不论零件表面是否存在特征,就把对大尺寸零件的匹配转化为对人工标志的匹配,从而在不需要对大尺寸零件做额外处理的情况下,大大提高了图像匹配的速度和匹配成功的概率,同时有效地拓宽了测量对象。
牛照东,刘洋,陈曾平[7]（2010）在《利用自适应相位分区和边缘位置约束的直线提取新方法》文中指出由于利用边缘的梯度相位和位置提取直线容易受到噪声干扰,从而导致直线断裂。为了增强直线提取算法的抗噪性能,首先通过定量分析直线边缘梯度相位和位置分布的统计特性,建立了边缘连接的自适应相位分区和位置约束准则;然后基于两类新准则,提出了一种直线提取新方法。该方法首先采用Canny算子检测边缘;然后初步连接短直线,并估计边缘连接的约束准则参数;最后通过"相位准则连接"与"位置准则连接"模式并行交互执行来提取直线。实验结果表明,该方法提取的直线完整、断裂少、准确度高。
谢妤婵[8]（2009）在《视觉目标识别与三维定位关键技术的研究》文中研究指明目标识别与三维定位技术在先进制造、武器制导、航空航天等领域都具有重要意义和实用价值。针对视觉引导车,研究其目标识别与定位技术。采用从目标物提取直线特征匹配目标模型的方案来确定目标位置与姿态信息。充分利用高级视觉原理与图像处理技术,研究具有智能化程度高、系统组成简单、定位精度高的目标识别与定位方法。由于摄像机成像受光照噪声影响严重,不适合直接采用Marr的三维重建思想进行识别。构建Zernike矩特征与BP神经网络相结合的自动目标识别系统,其实现过程充分考虑系统的实时性、准确性。拍摄目标二维图像,将目标图像进行旋转、尺度变化建立不同目标模型图像库,采用BP神经网络与Zernike矩结合的目标识别方法具有较好的识别效果。直线特征在人工目标识别中较为常见,而在图像处理中由于光照、遮挡等原因常出现线段断裂、部分线段像素缺失等现象。深入研究了直线特征提取方法,提出一种应用Hough空间峰值点逆变换提取直线段特征的新方法。视觉引导车在地面做二维运动,目标图像前后帧变化不大，因此采用直线特征配准前后帧目标图像。此方法具有较强的鲁棒性、便于实现自动化配准的特点。直线提取方法对量化误差、线段断裂具有较强的鲁棒性,可以在干扰较为强烈的情况下提取线段特征,具有较高的配准精度。研究了视觉引导车地面运动的实际情况,在已知目标模型精确几何特征的基础上,提出一种结合地面约束,仅需提取目标一条直线段特征匹配目标模型即可三维定位目标物的单目视觉方法。此方法具有较高的定位精度且实现目标定位的可视化。研究了双目立体视觉测量系统,提出一种基于直线特征的双目视觉定位方法。在Hough空间确定的角度范围内搜索目标线段,根据左右像面线段中点位置关系匹配不同像面上线段信息,建立线段之间的位置对应关系。采用所提取模型线段交点而并非直接采用直线特征作为双目视觉的匹配特征,重建特征线段,快速提取目标物的三维位姿信息。
傅丹[9]（2008）在《基于直线特征的空间目标三维结构重建和位姿测量方法研究》文中研究说明本文以空间平台对空间目标采用光测图像方法进行观测为背景,研究了基于直线特征重建空间非合作目标三维结构和测量空间合作目标分离后与空间平台相对位姿的有关算法。空间环境中存在大量不可控制或者不可预知因素,执行空间任务时摄像机系统的参数容易受到影响,因而在轨对摄像机参数进行标定具有实用意义。同时,大部分空间目标包含丰富的直线特征信息。本文充分利用直线特征的性质,展开了以下研究工作。1、空间非合作目标提供的目标特征信息有限,不能简单采用合作目标的光测图像方法进行观测。由于直线之间存在平行、垂直和相交等相互关系,以基于直线特征的中心透视投影方程来描述摄像机成像几何模型,以场景中直线的几何关系作为算法约束,针对单幅图、图像对和序列图像的情况,开发了标定摄像机内外参数并重建空间非合作目标三维结构的新算法。这是全文的重点。1)关于未标定的单幅图,提出了一种标定摄像机内参数的新方法,该方法利用了直线的射影不变性中的平行直线相交以及直线的相似不变性中的正交直线在相似变换中保持正交两个性质。在此基础上,基于直线的仿射不变性中的平行直线在仿射空间保持平行以及直线的相似不变性中的虚圆点在相似变换下保持不变的性质重建平面结构。定量分析了摄像机参数选择对消影点精度的影响,研究了如何合理选择摄像机的拍摄位置和角度来高精度求取消影点。针对近景测量像差畸变大的情况,讨论了基于直线的射影不变性来纠正鱼眼镜头像差畸变的方法。2)关于未标定的图像对,提出了基于直线的射影不变性中的交比不变和极线约束标定摄像机内外参数并重建目标三维结构的算法。3)关于未标定的序列图像,提出了基于直线的相似不变性中的正交直线在相似变换中保持正交和光束法平差标定摄像机内外参数并重建目标三维结构的算法。针对本文研究的空间非合作目标,设计仿真实验研究了空间平台与非合作卫星非共面一般接近以及空间平台绕飞非合作目标时,分别采用基于图像对和序列图像的方法来重建非合作目标三维结构的问题。2、本论文提出了采用固连主副摄像机的测量方案,基于直线特征测量合作目标分离后与空间平台的相对位姿的方法。该方法分别使用主摄像机和与之固连的副摄像机实时拍摄分离系统和空间平台上的基准标定物的图像;通过提取图像中的直线特征,利用合作目标中已知的空间直线精确位置关系,推导分离目标相对合作平台位姿的解算公式,获得合作目标与空间平台的相对位姿。3、作为图像分析的预处理步骤,研究了直线特征的提取和匹配算法。1)提出了一种最大梯度方向Hough变换与一维高斯模板拟合相结合提取直线的两步算法,既合理利用了已有的经典算法,又提高了直线提取的精度。2)针对三维重建的需求,提出了一种基于极线约束和RANSAC算法的直线段匹配方法,有效解决了图像中被部分遮挡直线段的匹配问题。数字仿真和地面实验表明,本文提出的这些采用光测图像的算法对约束条件要求低,易于实现,抗噪性强,具有较高的精度,为解决空间目标观测中的摄像机参数标定、目标位姿解算和结构重建提供了若干种基于目标直线特征的实用算法。
何恬[10]（2021）在《基于图像处理的钢轨表面缺陷检测算法研究》文中提出随着铁路的高速发展,列车时速提升、运营负担加重以及恶劣自然环境的影响,钢轨容易产生不可逆转的损伤,并产生越来越多的缺陷。由于传统人工巡检效率低、主观性强,超声波检测法、磁粉法、电涡流检测法的仪器造价高且精度低,基于机器视觉的轨道缺陷检测方法应运而生,成为近年来的研究热点之一。机器视觉检测技术具有高精度、低成本、实时性等优势,拥有广阔的应用前景。本文基于实验室采集整理的钢轨图像数据集,进行了钢轨表面缺陷检测相关技术研究,并取得了以下成果。提出了一种边缘算子加权的引导滤波分层图像增强算法。为突出钢轨缺陷部分,有利于后续的缺陷检测,对原始图像进行滤波分层,分别处理基础图像和细节图像,更加突出细节信息,通过在引导滤波中引入边缘检测算子,最大程度的保留图像边缘信息;针对结果图像亮度不均问题采用AHE算法和拉普拉斯锐化滤波加以克服。算法有效提高了图像对比度,增强了细节信息。提出了一种双边滤波改进Canny提取边缘图像的LSD直线检测算法。利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护作用,因此采用双边滤波代替Canny边缘检测中的高斯滤波进行边缘图像提取。同时,将基于双边滤波改进Canny提取边缘图像的LSD直线检测算法应用到钢轨表面边界提取中,对钢轨表面边界进行提取标记,裁剪出钢轨表面区域,去除图像其余部分的干扰,提高后续轨面缺陷检测算法效率。提出了一种钢轨图像非均匀光照校正的钢轨缺陷分割算法。针对钢轨图像具有对比度低、光照不均匀,钢轨缺陷具有低对比度、类内差异、类间相似等问题,首先采用图像边缘信息自适应调节连接强度改进脉冲耦合神经网络,在对图像进行光照不均校正的同时更好的保留图像边缘信息,进而进行灰度变换进一步突出缺陷;考虑到灰度变换后图像最佳分割阈值主要由目标熵决定,因此基于图像目标熵与背景区域灰度分布概率改进最大熵阈值分割,使分割阈值更加适合分割钢轨缺陷;最后经过形态学处理去除图像噪声及细小的对列车行车安全不造成威胁的缺陷,完成轨面缺陷检测。将本文算法与相关算法进行对比实验,从主观评判和客观指标两方面进行评价,本文算法效果更好,在轨面缺陷检测领域具有一定的实用价值。
二、一种直线提取的新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种直线提取的新方法（论文提纲范文）
（1）风电场站送出线路纵联保护及故障测距新方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 送出线路传统保护方法 |
| 1.2.2 送出线路故障测距方法 |
| 1.3 本文主要研究内容 |
| 第二章 风电场站短路电流特性及其对送出线路保护的影响 |
| 2.1 引言 |
| 2.2 风电场站短路电流特性分析 |
| 2.2.1 计及Crowbar保护投入的双馈电源三相短路电流特性分析 |
| 2.2.2 计及RSC控制的双馈电源三相短路电流特性分析 |
| 2.2.3 计及GSC控制的逆变型电源三相短路电流特性分析 |
| 2.3 风电场站送出线路继电保护配置 |
| 2.4 短路电流特性对送出线路传统保护的影响 |
| 2.4.1 纵联电流差动保护 |
| 2.4.2 距离保护 |
| 2.4.3 纵联方向保护 |
| 2.4.4 故障选相元件 |
| 2.5 本章小结 |
| 第三章 基于线路参数辨识的送出线路纵联保护 |
| 3.1 引言 |
| 3.2 送出线路故障模量网络 |
| 3.2.1 送出线路区外故障模量网 |
| 3.2.2 送出线路区内故障模量网 |
| 3.3 E-DTW距离 |
| 3.3.1 E-DTW算法原理 |
| 3.3.2 E-DTW检测参数稳定性 |
| 3.4 基于线路参数辨识的纵联保护 |
| 3.4.1 保护启动判据 |
| 3.4.2 保护动作判据 |
| 3.5 仿真验证 |
| 3.5.1 不同故障位置和故障类型 |
| 3.5.2 不同过渡电阻的影响 |
| 3.5.3 延时误动性能 |
| 3.5.4 噪声的影响 |
| 3.5.5 故障初始角的影响 |
| 3.5.6 同步系统强弱的影响 |
| 3.6 本章小结 |
| 第四章 基于二维空间轨迹识别的送出线路纵联保护 |
| 4.1 引言 |
| 4.2 时域电流二维空间轨迹分布特征 |
| 4.3 保护判据构造 |
| 4.4 仿真验证 |
| 4.4.1 区内故障 |
| 4.4.2 区外故障 |
| 4.4.3 影响保护正确动作因素 |
| 4.4.4 与现有的研究进行比较 |
| 4.5 本章小结 |
| 第五章 基于测后模拟思想的送出线路故障测距新方法 |
| 5.1 引言 |
| 5.2 模拟时间反演 |
| 5.3 模拟时间反演测距理论 |
| 5.3.1 双端测距理论 |
| 5.3.2 单端测距理论 |
| 5.4 模拟时间反演测距步骤 |
| 5.4.1 双端测距步骤 |
| 5.4.2 单端测距步骤 |
| 5.5 仿真验证 |
| 5.5.1 典型故障案例 |
| 5.5.2 故障测距适应性分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）复杂断块油藏断层地震识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 保边滤波处理技术 |
| 1.2.2 地震属性 |
| 1.2.3 边缘检测技术 |
| 1.2.4 属性优化及融合技术 |
| 1.2.5 蚁群算法 |
| 1.2.6 其它识别方法 |
| 1.3 技术路线及研究内容 |
| 1.3.1 技术路线 |
| 1.3.2 研究内容 |
| 第二章 基于图像“熵”的各向异性扩散保边滤波方法 |
| 2.1 噪声对断层识别的影响 |
| 2.2 自适应伪中值双边滤波 |
| 2.2.1 方法原理 |
| 2.2.2 自适应伪中值滤波 |
| 2.2.3 模型试算分析 |
| 2.3 基于图像“熵”的各向异性扩散滤波 |
| 2.3.1 二维各向异性扩散滤波 |
| 2.3.2 基于图像“熵”的各向异性扩散滤波 |
| 2.3.3 模型试算分析 |
| 2.3.4 实际应用 |
| 2.4 滤波方法效果对比 |
| 2.5 小结 |
| 第三章 相干体算子改进及增强技术 |
| 3.1 常规相干算法 |
| 3.1.1 C1 相干算法 |
| 3.1.2 C2 相干算法 |
| 3.1.3 C3 相干算法 |
| 3.2 特征值相干算法诠释及效果对比 |
| 3.2.1 GST相干算法 |
| 3.2.2 特征值组合分析 |
| 3.3 基于谱方差的相干技术 |
| 3.3.1 方差属性 |
| 3.3.2 基于谱方差的相干算法 |
| 3.4 基于魔方矩阵的相干增强方法 |
| 3.4.1 方法原理 |
| 3.4.2 理论模型讨论 |
| 3.4.3 实际资料应用 |
| 3.5 属性融合技术 |
| 3.5.1 RGB地震多属性融合显示技术 |
| 3.5.2 基于HSI多属性融合显示技术 |
| 3.5.3 两种图像融合技术的关系 |
| 3.5.4 实际应用 |
| 3.6 小结 |
| 第四章 基于旋转菱形的属性提取及断层识别新方法 |
| 4.1 基于二维旋转菱形体的属性提取方法 |
| 4.1.1 基本原理 |
| 4.1.2 模型试算 |
| 4.1.3 实际资料应用 |
| 4.2 基于三维旋转菱形体的属性提取方法 |
| 4.2.1 方法思想来源 |
| 4.2.2 具体实现 |
| 4.3 模型试算 |
| 4.3.1 可行性分析 |
| 4.3.2 参数选择 |
| 4.4 实际资料的应用 |
| 4.5 小结 |
| 第五章 基于最优选择的蚁群方法 |
| 5.1 阈值求取方法 |
| 5.1.1 最大类间方差阈值求取方法 |
| 5.1.2 最大熵法 |
| 5.1.3 加权最大熵阈值分割法 |
| 5.1.4 应用效果分析 |
| 5.2 蚁群算法基础理论 |
| 5.2.1 算法基本思想 |
| 5.2.2 蚁群算法原理 |
| 5.3 基于最优选择的蚁群算法 |
| 5.3.1 方法原理 |
| 5.3.2 模型测试 |
| 5.3.3 实际资料应用 |
| 5.4 小结 |
| 结论与认识 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（3）船目标逆合成孔径雷达成像及转动信息估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 ISAR的发展概况及舰船目标成像技术概述 |
| 1.2.1 ISAR的发展概况 |
| 1.2.2 ISAR舰船目标成像发展概述 |
| 1.3 关键问题与研究现状 |
| 1.3.1 舰船目标侧视像及俯视像最优成像时间段选取 |
| 1.3.2 ISAR图像横向定标 |
| 1.3.3 舰船目标转动信息估计 |
| 1.4 本文的主要研究内容 |
| 第2章 舰船目标ISAR成像基础 |
| 2.1 引言 |
| 2.2 ISAR成像基本原理 |
| 2.2.1 距离-多普勒成像算法 |
| 2.2.2 运动补偿算法 |
| 2.3 舰船目标的几何建模和运动特性分析 |
| 2.4 舰船目标的ISAR成像 |
| 2.5 本章小结 |
| 第3章 ISAR舰船目标侧视和俯视成像时间段选取算法研究 |
| 3.1 引言 |
| 3.2 最佳成像时刻选取 |
| 3.2.1 最佳成像时刻选取理论基础 |
| 3.2.2 舰船中心线提取 |
| 3.2.3 舰船高度信息估计 |
| 3.2.4 仿真实验结果 |
| 3.3 最佳成像时间段选取 |
| 3.3.1 最佳成像时间段选取理论基础 |
| 3.3.2 仿真实验结果 |
| 3.4 实测数据处理结果 |
| 3.5 本章小结 |
| 第4章 ISAR舰船目标横向定标算法研究 |
| 4.1 引言 |
| 4.2 基于图像旋转相关性的横向定标 |
| 4.2.1 ISAR图像与目标坐标的映射关系 |
| 4.2.2 基于图像相关性的目标转动速率估计 |
| 4.2.3 仿真实验结果分析 |
| 4.3 基于仿射投影矩的横向定标 |
| 4.3.1 问题描述 |
| 4.3.2 仿射变换基本定义 |
| 4.3.3 仿射投影矩基本原理 |
| 4.3.4 仿真实验结果分析 |
| 4.4 基于加权平均的目标横向定标算法 |
| 4.4.1 问题描述 |
| 4.4.2 加权平均法的基本原理 |
| 4.4.3 仿真实验结果分析 |
| 4.5 实测数据处理结果 |
| 4.6 本章小结 |
| 第5章 基于ISAR图像序列的目标转动信息估计 |
| 5.1 引言 |
| 5.2 加速鲁棒多尺度局部特征的提取 |
| 5.2.1 积分图像 |
| 5.2.2 SURF特征点检测 |
| 5.2.3 SURF特征点描述 |
| 5.3 特征配准算法研究 |
| 5.3.1 比值法 |
| 5.3.2 RANSAC算法 |
| 5.3.3 双向配准法 |
| 5.4 基于傅里叶变换的目标旋转中心估计 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）高分辨率遥感影像道路目标识别与提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 影像数据中道路的特征与道路网模型 |
| 1.2.1 影像数据的类型 |
| 1.2.2 遥感影像数据中的道路特征 |
| 1.2.3 道路网模型 |
| 1.3 道路提取方法研究综述 |
| 1.3.1 道路基元提取方法 |
| 1.3.2 道路网连接方法 |
| 1.3.3 道路中心线提取方法 |
| 1.3.4 研究现状与存在问题 |
| 1.4 研究目标与研究内容 |
| 1.5 技术路线 |
| 1.6 论文结构安排 |
| 第二章 高分辨率遥感影像特征分析 |
| 2.1 光谱特征分析 |
| 2.1.1 统计特征 |
| 2.1.2 归一化植被指数 |
| 2.1.3 势函数直方图 |
| 2.2 纹理特征分析 |
| 2.2.1 统计法 |
| 2.2.2 结构法 |
| 2.2.3 频谱法 |
| 2.3 边缘特征分析 |
| 2.3.1 一阶微分算子 |
| 2.3.2 二阶微分算子 |
| 2.3.3 最优算子 |
| 2.3.4 参数化核图割 |
| 2.4 本章小结 |
| 第三章 基于多级框架的道路骨架提取 |
| 3.1 引言 |
| 3.2 基于多核学习的方法研究 |
| 3.2.1 核函数与支持向量机 |
| 3.2.2 基于多核学习的特征融合 |
| 3.3 基于多特征融合的道路基元粗提取 |
| 3.3.1 纹理特征提取 |
| 3.3.2 颜色特征提取 |
| 3.3.3 道路基元粗提取 |
| 3.4 基于形状特征与形态学的道路基元精提取 |
| 3.4.1 道路基元形状特征滤波 |
| 3.4.2 道路基元形态学滤波 |
| 3.4.3 道路基元精提取 |
| 3.5 基于知识的道路骨架连通 |
| 3.5.1 道路基元连接规则 |
| 3.5.2 邻近基元连接 |
| 3.6 实验与分析 |
| 3.6.1 实验一 |
| 3.6.2 实验二 |
| 3.7 本章小结 |
| 第四章 基于全局探测和局部检测的路口识别 |
| 4.1 引言 |
| 4.2 路口类型 |
| 4.3 路口特征 |
| 4.4 路口识别 |
| 4.4.1 基于相干滤波的路口边缘增强 |
| 4.4.2 基于空间自相关的路口同质特征提取 |
| 4.4.3 基于颜色矩的颜色特征提取 |
| 4.4.4 结合全局探测和局部检测的路口提取方法 |
| 4.5 实验与分析 |
| 4.6 本章小结 |
| 第五章 基于线性结构增强与多元回归的道路中心线提取 |
| 5.1 引言 |
| 5.2 道路骨架局限及其对中心线提取的影响 |
| 5.2.1 “冗余”现象 |
| 5.2.2 “缺失”现象 |
| 5.2.3 “混合”现象 |
| 5.3 基于结构元素的骨架规整方法 |
| 5.4 基于线性结构增强的骨架规整方法 |
| 5.5 基于多元回归的道路中心线提取 |
| 5.5.1 多元自适应样条回归 |
| 5.5.2 道路中心线提取算法流程 |
| 5.6 实验与分析 |
| 5.7 本章小结 |
| 结论与展望 |
| 一、结论 |
| 二、论文创新点 |
| 三、研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 在学期间的研究成果及发表的学术论文 |
（5）块状区域消失点算法辅助下基于姿态方向的车辆检测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆检测 |
| 1.2.2 消失点检测 |
| 1.3 待解决问题 |
| 1.3.1 现有车辆检测算法的缺陷 |
| 1.3.2 解决问题的思路 |
| 1.4 提出的方法 |
| 1.4.1 基于块状区域的消失点检测算法 |
| 1.4.2 基于方向姿态的车辆检测算法 |
| 1.5 论文的构成 |
| 第二章 论文的相关工作 |
| 2.1 机器学习方法 |
| 2.1.1 机器学习(Machine learning) |
| 2.1.2 深度学习(Deep learning) |
| 2.2 车辆的阴影区域先验知识 |
| 2.3 传统的消失点检测算法 |
| 2.3.1 基于直线的消失点检测方法 |
| 2.3.2 基于纹理的消失点检测方法 |
| 2.4 本章小结 |
| 第三章 基于块状区域的消失点检测 |
| 3.1 预处理 |
| 3.2 过滤算法1(高斯分布近似) |
| 3.3 过滤算法2(颜色信息直方图) |
| 3.4 直线簇信息提取 |
| 3.5 投票过程 |
| 3.6 本章小结 |
| 第四章 基于姿态方向的车辆检测 |
| 4.1 假设生成 |
| 4.2 获取方向信息与分类 |
| 4.3 假设验证 |
| 4.3.1 特征选择与具体参数确定 |
| 4.3.2 分类器核函数与参数确定 |
| 4.3.3 自创车辆样本数据库 |
| 4.4 本章小结 |
| 第五章 实验结果的展示与对比 |
| 5.1 数据库信息 |
| 5.1.1 消失点数据库 |
| 5.1.2 车辆数据库 |
| 5.2 实验结果评估 |
| 5.2.1 消失点检测实验结果 |
| 5.2.2 车辆检测实验结果 |
| 5.3 误差分析 |
| 5.3.1 阴影干扰 |
| 5.3.2 数据库容量与样本限制 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来的工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文专利 |
（6）大尺寸零件在线视觉测量关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 基于单目视觉二维平面图像测量技术研究的必要性 |
| 1.1.2 基于二维平面图像视觉测量技术的研究应用现状 |
| 1.1.3 大尺寸零件在线视觉测量技术研究的必要性 |
| 1.1.4 课题的来源 |
| 1.2 大尺寸零件在线视觉测量关键技术研究现状 |
| 1.2.1 图像自动聚焦技术的研究现状 |
| 1.2.2 边缘检测技术的研究现状 |
| 1.2.3 图像匹配技术的研究现状 |
| 1.3 课题的研究内容 |
| 第二章 大尺寸零件在线测量技术路线与系统设计 |
| 2.1 在线测量技术路线设计 |
| 2.2 硬件模块设计及选型 |
| 2.2.1 照明系统设计 |
| 2.2.2 工业相机的选择 |
| 2.2.3 镜头的选择 |
| 2.2.4 图像采集卡 |
| 2.2.5 输送机 |
| 2.3 软件系统的设计 |
| 2.4 本测量系统的特点 |
| 2.5 本章小结 |
| 第三章 基于边缘跨度函数的最优聚焦算法研究 |
| 3.1 工业相机成像原理 |
| 3.1.1 透镜成像简易模型 |
| 3.1.2 点扩散模型 |
| 3.2 不同类型聚焦函数及其特点 |
| 3.3 一种基于边缘跨度值函数的最优聚焦算法 |
| 3.3.1 边缘跨度函数及其聚焦原理 |
| 3.3.2 聚焦窗口和搜索策略的确定 |
| 3.3.3 算法流程 |
| 3.3.4 边缘跨度值最小的聚焦算法 |
| 3.3.5 新聚焦算法和最优聚焦函数的对比实验 |
| 3.3.6 新算法和最优聚焦函数抗噪声能力对比实验 |
| 3.4 本章小结 |
| 第四章 像素当量误差成因分析及标定方法研究 |
| 4.1 基于像素当量的大尺寸零件测量原理与像素当量误差成因分析 |
| 4.2 图像畸变校正概述 |
| 4.2.1 图像畸变成因分析 |
| 4.2.2 图像畸变校正方法概述 |
| 4.2.3 图像畸变模型 |
| 4.2.4 一种基于标准网格的图像畸变校正算法 |
| 4.3 一种基于灰度自适应阈值的边缘检测算法 |
| 4.3.1 理想边缘模型 |
| 4.3.2 经典边缘检测算子 |
| 4.3.3 边缘亚像素定位算法 |
| 4.3.3.1 插值法 |
| 4.3.3.2 拟合法 |
| 4.3.3.3 基于矩的边缘亚像素定位算法 |
| 4.3.4 基于灰度自适应阈值的边缘检测算法 |
| 4.4 工业相机像素当量标定方法与实验 |
| 4.4.1 像素当量标定方法及大尺寸零件尺寸计算公式 |
| 4.4.2 基于像素当量标定的边缘检测新算法和经典算法的比较实验与分析 |
| 4.4.2.1 基于像素当量标定的新算法和梯度算子的边缘检测对比实验 |
| 4.4.2.2 基于像素当量标定的边缘检测新算法和亚像素边缘检测法的对比实验 |
| 4.5 本章小结 |
| 第五章 基于大尺寸零件在线测量的图像匹配算法研究 |
| 5.1 大尺寸零件序列图像匹配原理分析 |
| 5.1.1 图像拼接技术概述 |
| 5.1.2 大尺寸零件序列图像匹配本质 |
| 5.2 基于链码跟踪的序列图像旋转偏差消除算法 |
| 5.2.1 传统Hough变换提取直线的原理 |
| 5.2.2 基于链码跟踪的消除序列图像旋转偏差的原理 |
| 5.2.3 消除序列图像旋转偏差的流程与步骤 |
| 5.2.4 倾斜量块的旋转校正对比实验 |
| 5.3 消除图像平移偏差的三种模板匹配改进算法 |
| 5.3.1 基于图像灰度值的模板匹配经典算法 |
| 5.3.2 基于线性平行纹理的模板匹配改进算法 |
| 5.3.2.1 基于线性平行纹理的改进模板匹配原理与算法 |
| 5.3.2.2 基于线性平行纹理的模板匹配法与CC法对比实验 |
| 5.3.3 基于相邻像素灰度差的模板匹配法 |
| 5.3.4 零件外添加人工标志的模板匹配改进算法 |
| 5.3.4.1 人工标志的设计 |
| 5.3.4.2 人工标志的匹配流程 |
| 5.4 本章小结 |
| 第六章 大尺寸零件在线测量实验设计与验证 |
| 6.1 大尺寸零件在线视觉测量实验设计 |
| 6.2 大尺寸零件在线视觉测量实验验证 |
| 6.2.1 钢尺的匹配测量实验 |
| 6.2.2 大尺寸量块的测量实验 |
| 6.2.3 添加人工标志的大尺寸量块的测量实验 |
| 6.3 视觉测量误差成因分析与对策 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文的研究内容与成果总结 |
| 7.2 后续研究工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 攻读博士学位期间取得的其它学术成果 |
| 攻读博士学位期间参加的科研项目 |
（7）利用自适应相位分区和边缘位置约束的直线提取新方法（论文提纲范文）
| 0 引 言 |
| 1 问题描述 |
| 2 直线边缘连接准则 |
| 2.1 自适应相位分区准则 |
| 2.1.1 固定相位分区的缺陷 |
| 2.1.2 直线边缘梯度相位统计特性 |
| 2.1.3 相位自适应分区准则 |
| 2.2 边缘位置约束准则 |
| 2.3 两类准则的属性差异 |
| 3 直线提取算法 |
| 3.1 噪声方差估计 |
| 3.2 直线初始化 |
| 3.3 直线连接 |
| 3.4 直线连接终止 |
| 4 实验结果与分析 |
| 4.1 相位统计特性仿真 |
| 4.2 直线边缘相位编组仿真 |
| 4.3 直线提取性能仿真 |
| 4.4 标准测试图像处理结果 |
| 5 结 论 |
（8）视觉目标识别与三维定位关键技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外目标识别定位系统应用领域及研究现状 |
| 1.3 目标三维定位测量的常用方法 |
| 1.4 基于视觉目标识别定位研究现状及动态 |
| 1.5 论文研究方案与技术基础 |
| 1.5.1 本课题相关技术基础 |
| 1.5.2 论文任务分析与研究方案 |
| 第二章 视觉识别定位的坐标变换与参数计算 |
| 2.1 引言 |
| 2.2 摄像机成像基本原理 |
| 2.2.1 图像坐标系、摄像机坐标系、世界坐标系与模型坐标系 |
| 2.2.2 摄像机成像模型 |
| 2.3 摄像机标定 |
| 2.3.1 摄像机的标定参数 |
| 2.3.2 三维世界坐标到图像坐标的四步变换 |
| 2.3.3 径向排列约束摄像机标定方法 |
| 2.3.4 摄像机标定实验 |
| 2.4 本章小结 |
| 第三章 基于 ZERNIKE 矩与 BP 神经网络的目标识别 |
| 3.1 引言 |
| 3.2 图像预处理 |
| 3.2.1 图像分割 |
| 3.2.2 形态学图像处理 |
| 3.2.3 图像归一化 |
| 3.3 目标识别 |
| 3.3.1 目标识别方法的选择 |
| 3.3.2 目标特征提取 |
| 3.4 结合BP 神经网络与ZERNIKE 矩目标识别 |
| 3.5 目标识别实验与分析 |
| 3.6 本章小结 |
| 第四章 直线特征提取与目标特征自动配准 |
| 4.1 引言 |
| 4.2 直线特征的研究动态 |
| 4.3 直线特征提取 |
| 4.3.1 边缘检测 |
| 4.3.2 直线特征提取 |
| 4.3.3 实验与分析 |
| 4.4 目标配准 |
| 4.4.1 目标配准方法分析 |
| 4.4.2 配准转换函数 |
| 4.4.3 基于直线特征目标图像自动配准 |
| 4.4.4 实验与分析 |
| 4.5 本章小结 |
| 第五章 基于直线特征匹配的目标三维定位 |
| 5.1 引言 |
| 5.2 单目视觉定位 |
| 5.2.1 基于单应矩阵的摄像机定位 |
| 5.2.2 基于模型的目标定位 |
| 5.3 基于直线特征的双目视觉定位 |
| 5.3.1 双目传感器标定 |
| 5.3.2 双目视觉传感器的标定 |
| 5.3.3 双目视觉特征匹配 |
| 5.3.4 实验方案设计 |
| 5.3.5 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 附录 |
（9）基于直线特征的空间目标三维结构重建和位姿测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 测量空间目标的光测系统的研究进展 |
| 1.2.2 处理光测图像相关算法的国内外研究进展 |
| 1.3 本文核心思想及技术贡献 |
| 1.3.1 本文核心思想 |
| 1.3.2 本文主要内容 |
| 1.3.3 本文主要技术贡献 |
| 1.3.4 几个概念的说明 |
| 1.3.5 本文名词约定 |
| 第二章 直线的中心投影模型与几何不变性 |
| 2.1 中心投影成像模型 |
| 2.1.1 点的中心投影成像方程 |
| 2.1.2 直线的中心投影成像方程 |
| 2.1.3 内参数简化模型的可行性论证 |
| 2.1.4 对点和直线方程的仿真实验与结果分析 |
| 2.2 直线的几何不变性在三维重建中的应用 |
| 2.2.1 摄像机自标定和分层重建原理的简单介绍 |
| 2.2.2 直线的射影不变性 |
| 2.2.3 直线的仿射不变性 |
| 2.2.4 直线的相似不变性 |
| 2.2.5 直线的欧氏不变性 |
| 2.3 小结 |
| 第三章 基于直线的几何不变性从未标定单幅图像重建平面结构 |
| 3.1 基于直线的射影和相似不变性从单幅图像标定摄像机内参数 |
| 3.1.1 从单幅图像标定内参数的已有算法 |
| 3.1.2 基于直线的射影不变性相似不变性标定内参数 |
| 3.1.3 实验结果与分析 |
| 3.1.4 对摄像机外参数分析 |
| 3.1.5 对消影点的进一步分析 |
| 3.2 基于直线的射影、仿射和相似不变性重建平面结构 |
| 3.2.1 重建平面的已有算法 |
| 3.2.2 从单幅图重建平面结构的算法思路 |
| 3.2.3 从单幅图对平面结构重建算法的步骤 |
| 3.2.4 真实图像实验结果与分析 |
| 3.3 基于直线的射影不变性标定像差系数 |
| 3.3.1 标定像差的常用方法 |
| 3.3.2 基于直线的射影不变性标定摄像机像差系数 |
| 3.3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于直线的射影不变性和极线约束从未标定图像对重建三维结构 |
| 4.1 从图像对重建目标三维结构的原理和已有算法 |
| 4.1.1 对极几何 |
| 4.1.2 已知摄像机内参数从图像对重建目标三维结构的传统算法 |
| 4.1.3 从未标定图像对重建目标三维结构的已有算法 |
| 4.2 基于直线的射影不变性和极线约束重建目标三维结构 |
| 4.2.1 基于直线的射影不变性和极线约束重建三维结构的算法思路 |
| 4.2.2 基于直线的射影不变性和极线约束重建三维结构的算法步骤 |
| 4.2.3 实验结果与分析 |
| 4.2.4 空间平台与非合作目标轨道非共面的一般接近的仿真实验 |
| 4.3 小结 |
| 第五章 基于直线的相似不变性和光束法平差从未标定序列图像重建三维结构 |
| 5.1 基于序列图像的结构重建方法综述 |
| 5.1.1 已知摄像机内参数从序列图像重建目标三维结构的传统算法 |
| 5.1.2 从未标定序列图像重建目标三维结构的已有方法 |
| 5.2 基于直线的相似不变性和光束法平差重建三维结构 |
| 5.2.1 基于直线的相似不变性和光束法平差重建三维结构的算法思路 |
| 5.2.2 基于直线的相似不变性和光束法平差重建三维结构的算法步骤 |
| 5.2.3 实验结果及分析 |
| 5.2.4 空间平台绕飞空间非合作目标的仿真试验 |
| 5.3 小结 |
| 第六章 基于直线特征的合作目标与空间平台的相对位姿测量方法研究 |
| 6.1 基于直线特征的相对位姿测量方法研究 |
| 6.1.1 目标位姿测量方法综述 |
| 6.1.2 基于直线特征的相对位姿测量方法的思路 |
| 6.1.3 基于直线特征的相对位姿测量方法的技术要点 |
| 6.1.4 实验结果及分析 |
| 6.2 小结 |
| 第七章 直线特征的提取和匹配方法研究 |
| 7.1 直线特征提取的“两步法” |
| 7.1.1 直线特征的提取原理和传统方法 |
| 7.1.2 直线提取“两步法” |
| 7.1.3 实验结果和精度分析 |
| 7.2 基于极线约束和RANSAC算法相结合的直线段匹配方法 |
| 7.2.1 图像匹配原理和传统方法 |
| 7.2.2 基于极线约束和RANSAC算法的直线段匹配方法 |
| 7.2.3 实验结果的精度分析 |
| 7.3 小结 |
| 结束语 |
| 本文工作总结 |
| 进一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 三维旋转的表示法 |
（10）基于图像处理的钢轨表面缺陷检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钢轨缺陷检测方法 |
| 1.2.2 机器视觉检测技术 |
| 1.2.3 图像预处理技术 |
| 1.2.4 轨面区域提取技术 |
| 1.2.5 基于图像处理的钢轨表面缺陷检测技术 |
| 1.3 论文主要工作及组织架构 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文的组织结构 |
| 1.4 本章小结 |
| 第二章 钢轨图像预处理 |
| 2.1 图像去噪 |
| 2.1.1 均值滤波 |
| 2.1.2 中值滤波 |
| 2.1.3 高斯滤波 |
| 2.1.4 去噪效果评价 |
| 2.2 图像增强 |
| 2.2.1 轨道图像增强分析 |
| 2.2.2 相关算法 |
| 2.2.3 边缘算子改进引导滤波 |
| 2.2.4 加权引导滤波分层图像增强算法 |
| 2.2.5 实验结果及分析 |
| 2.3 本章小结 |
| 第三章 钢轨表面区域提取 |
| 3.1 直线检测算法分析 |
| 3.2 相关算法 |
| 3.3 直线检测算法的改进 |
| 3.3.1 基于Canny提取边缘图像的LSD直线检测算法 |
| 3.3.2 基于双边滤波改进的Canny算法 |
| 3.3.3 基于双边滤波改进Canny提取边缘图像的LSD直线检测算法 |
| 3.4 基于改进LSD直线检测算法的钢轨表面边界提取 |
| 3.4.1 主观评价 |
| 3.4.2 客观评价 |
| 3.5 本章小结 |
| 第四章 钢轨图像非均匀光照校正及缺陷检测 |
| 4.1 钢轨表面缺陷图像特征 |
| 4.2 光照不均与缺陷检测算法分析 |
| 4.3 非均匀光照图像校正 |
| 4.3.1 PCNN |
| 4.3.2 基于图像边缘信息自适应调节连接强度改进脉冲耦合神经网络 |
| 4.4 阈值分割 |
| 4.4.1 最大熵阈值分割 |
| 4.4.2 基于图像目标熵与背景区域灰度分布概率改进最大熵阈值分割 |
| 4.4.3 形态学处理 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作总结 |
| 5.2 今后需进一步研究的工作 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
四、一种直线提取的新方法（论文参考文献）
- [1]风电场站送出线路纵联保护及故障测距新方法研究[D]. 饶鸿江. 昆明理工大学, 2021(01)
- [2]复杂断块油藏断层地震识别方法研究[D]. 李军. 中国石油大学(华东), 2018(01)
- [3]船目标逆合成孔径雷达成像及转动信息估计算法研究[D]. 杨宏鑫. 哈尔滨工业大学, 2018(01)
- [4]高分辨率遥感影像道路目标识别与提取研究[D]. 许锐. 福州大学, 2018(03)
- [5]块状区域消失点算法辅助下基于姿态方向的车辆检测[D]. 王子豪. 上海交通大学, 2018(01)
- [6]大尺寸零件在线视觉测量关键技术研究[D]. 陈芳. 东南大学, 2015(08)
- [7]利用自适应相位分区和边缘位置约束的直线提取新方法[J]. 牛照东,刘洋,陈曾平. 中国图象图形学报, 2010(12)
- [8]视觉目标识别与三维定位关键技术的研究[D]. 谢妤婵. 天津大学, 2009(02)
- [9]基于直线特征的空间目标三维结构重建和位姿测量方法研究[D]. 傅丹. 国防科学技术大学, 2008(07)
- [10]基于图像处理的钢轨表面缺陷检测算法研究[D]. 何恬. 华东交通大学, 2021(01)