基于深度卷积神经网络的巡检图像电力部件识别方法研究

目录

摘要

第1章绪论

1．1课题背景及研究的目的和意义

1．2本课题的国内外研究现状

1．2．1电力线路巡检方法研究现状

1．2．2电力数据压缩技术的研究现状

1．2．3电力部件识别技术的研究现状

1．3本文主要研究内容

第2章图像处理理论基础

2．1引言

2．2图像压缩算法

2．2．2基于WT的JPEG2000压缩方法

2．2．3基于深度学习的方法

2．3图像超分辨率重建算法

2．3．1基于插值的方法

2．3．2基于重建的方法

2．3．3基于深度学习的方法

2．4目标检测算法

2．4．1基于传统视觉的目标检测算法

2．4．2基于候选区域的目标检测算法

2．4．3基于回归的目标检测算法

2．5图像重建质量评价

2．5．1主观评价方法

2．5．2客观评价方法

2．6本章小结

第3章基于视觉注意机制和BlockCNN的图像分级压缩算法

3．1引言

3．2无人机巡检系统

3．3分级压缩算法原理

3．3．1巡检图像压缩系统框图

3．3．2基于GMR的图像分割

3．3．3BlockCNN的压缩原理

3．4实验设计与结果分析

3．4．1数据集介绍

3．4．2实验设计与分析

3．5本章小结

第4章基于超分辨率重建和YOLO V3的电力部件检测系统

4．1引言

4．2系统检测流程

4．3基于SRCNN的巡检图像超分辨率重建

4．3．1图像分类

4．3．2训练集制作

4．3．3SRCNN网络结构

4．3．4SRCNN网络训练

4．4基于YOLO V3的电力部件检测

4．4．1YOLO V3检测模型

4．4．2YOLO V3网络结构

4．4．3YOLO V3网络训练

4．4．4梯度下降优化算法

4．5实验设计与结果分析

4．5．1实验环境介绍

4．5．2数据集介绍

4．5．3实验设计与结果分析

4．6本章小结

结论

参考文献

攻读硕士学位期间取得的研究成果及发表的学术论文

声明

致谢