声明
摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文研究内容与章节安排
2 便携的图像式轨检系统组成
2.1 系统的硬件组成
2.1.1 图像采集系统
2.1.2 图像处理系统
2.2 系统的软件组成
2.2.1 软件系统结构
2.2.2 软件平台介绍
2.3 小结
3 钢轨表面缺陷图像预处理
3.1 轨面区域提取
3.2 轨面图像滤波
3.3 轨面图像增强
3.3.1 钢轨图像特征分析
3.3.2 基于改进Retinex的钢轨图像增强算法
3.4 轨面图像增强实验分析
3.4.1 不同实验条件对增强效果的影响
3.4.2 与其他方法比较
3.5 小结
4 钢轨表面缺陷图像分割
4.1 图像灰度梯度特征分析
4.2 基于图像灰度梯度特征的钢轨表面缺陷分割算法
4.2.1 背景图像平滑
4.2.2 图像差分与缺陷分割
4.3 缺陷分割实验分析
4.3.1 参数分析
4.3.2 不同实验条件对分割效果的影响
4.3.3 与其他方法比较
4.4 小结
5 钢轨表面缺陷分类识别
5.1 缺陷特征提取
5.1.1 几何形状特征
5.1.2 灰度特征
5.2 缺陷特征选择
5.3 基于Boosting的组合分类器设计
5.3.1 AdaBoost多分类器组合算法
5.3.2 CART决策树算法
5.3.3 组合分类器设计
5.4 缺陷分类实验分析
5.4.1 参数分析
5.4.2 组合分类器的识别结果
5.5 系统实现
5.6 小结
结论
致谢
参考文献
攻读学位期间的研究成果