一、基于改进Hough变换的图像线段特征提取（论文文献综述）
谷金峰[1]（2021）在《平面几何图像中特征信息的抽取技术研究》文中研究指明随着信息技术产业蓬勃发展,人工智能技术的应用变得越来越广泛,形成了很多与之交叉的研究领域。教育是国家发展的核心竞争力,我国正在不断加快智慧教育信息化的步伐,并取得了一定的成果。数学作为基础教育领域中主要科目之一,一直备受重视,也是研究者们的热门研究的课题。目前,关于数学客观题自动阅卷的相关技术已经得到了广泛应用,而主观题自动阅卷并没有达到实用程度,瓶颈在于对几何图形的精确识别和图形中丰富信息的理解。鉴于此,本文主要针对平面几何类型题的图形精确识别和图中文字信息提取展开研究。以期为平面几何类数学题的自动阅卷的实际应用提供技术支撑。本文主要贡献有:（1）基于改进的FAST角点检测器用于多边几何图形识别。针对以往基于链码特征、Hough变换等方法在基本几何图形识别任务上的准确率低、计算复杂度高的问题,本文通过角点检测的方法进行多边几何图形的识别。首先,文中详细介绍了多边几何图形角点处理方法,接着分析多边几何图形角点处灰度变化,利用改进的FAST角点检测器提取候选角点,最后依据候选角点的分布特征,利用DBSCAN算法消除伪角点,实现角点的提取。（2）提出了一种鲁棒性强的粘连字符提取方法。电子文档上的几何数学试题中,几何图像的字符与线段粘连在一起,轮廓检测算法在提取字符过程中,会出现字符数不全的情况,因此本文设计一种改进的字符提取算法。首先,通过组合不同尺度的类拉普拉斯算子消除字符与线段之间的粘连像素,实现字符分割。接着,结合轮廓检测、NMS和边缘修复算法,实现字符的提取。最后,为了验证字符提取的完整性,利用预先训练好的残差网络用于字符识别,实验证明了本文算法的鲁棒性。（3）从图像中检索几何信息。针对以往几何信息检索算法在提取几何对象及其关系实例不准确的情况,本文提出了一种基于改进的Hough变换用于几何信息的检索方法。首先,文中详细介绍了点、线、圆和交点等基本几何信息的抽取方法,接着介绍了8个基于距离和角度的几何关系定义,从中挖掘潜在的几何信息,最后通过实验对比,验证了本文在点、线、圆提取方法上的有效性。
张建安[2]（2021）在《基于计算机视觉的受电弓识别及滑板接触面伤损检测研究》文中研究说明电力机车是远距离交通运输的主力军,机车在行驶过程中通过受电弓滑板与接触网的接触来获得电能,良好的受电弓滑板可以保证机车在运行中获得良好的电能。受电弓滑板也有一定的使用寿命,滑板的裂纹、烧伤是行驶中最常见的故障,一旦发现这些故障就需要及时更换新的受电弓滑板,避免发生严重的行车事故,减少经济损失,保证人员安全。目前针对受电弓滑板接触面的伤损检测依旧依赖人力,需要工作人员登上车顶来检测滑板是否出现裂纹、烧伤等缺陷,存在一定的主观误差和安全隐患。因此需要一种结合实际现场,快捷、安全的新型检测方法。本文在考察了实际情况的基础上,利用电力机车需要回到整备厂做整备检查这一特性,利用图像处理技术来检测受电弓滑板接触面,通过算法来判断滑板是否出现裂纹,大面积烧伤。检测过程不影响电力机车的正常行驶计划,符合现场检测这一要求。本文采用斜向下俯拍降弓视频,应用机器学习理论和图像处理技术识别受电弓和检测滑板区域。主要工作如下:（1）在列车回到整备厂后,在整备台上斜向下俯拍降弓视频,利用ffmpeg分解视频,得到大量的降弓图像,其中有包含受电弓的图像与不包含受电弓的图像。（2）针对分解后的图像存在图像过暗或曝光不足的问题,利用改进的光照修正MSR算法增强图像画质,解决了图像过暗导致后续滑板故障识别困难的问题。（3）筛选包含受电弓滑板图像。针对受电弓滑板设计了一个8层结构的卷积神经网络,利用大量样本对网络模型进行训练,识别检测出包含受电弓滑板的图像。大量的图像验证表明利用卷积神经网络做受电弓识别筛选,准确度可以达到97.4%,能准确的完成受电弓检测。（4）对包含受电弓滑板的图像进行边缘检测处理,采用不同边缘检测算子对比效果,最终确定使用Canny算子,得到受电弓以及滑板的边缘轮廓,为后续识别与提取滑板区域做铺垫。（5）边缘检测后的图像利用Hough直线检测找寻滑板的直线边缘,根据滑板在图像中特殊的长横线这一特征,通过参数设置找到滑板的上下边缘,检测出的直线所包围区域就是滑板区域。检测得到的滑板区域存在一定的倾斜,利用透视变换可以对检测到的滑板进行畸变校正,避免了后续滑板接触面伤损检测的误差。（6）对校正后得到的滑板接触面区域做裂纹检测与烧伤检测。针对滑板裂纹故障,利用二代曲波变换识别出伪裂纹及接缝干扰,用形态学处理即可计算出存在的裂纹长度。针对滑板烧伤特性,运用白色像素所占区域的百分比的方法实现对烧伤的检测,根据结论判定是否更换新的滑板条。
许勇[3]（2021）在《基于天花板影像的室内定位系统的设计与实现》文中研究说明随着社会的发展,基于位置移动的室内定位服务深入到各个行业和人们的日常生活中。智能家居、机器人、自动驾驶等项目的兴起,促使精准的室内定位的需求也越来越强烈。在技术领域,室内定位技术主要基于射频、蓝牙和声波等媒介,基于视觉的室内定位技术还不像其他技术那么成熟。视觉定位有设备容易获取、成本低、可以充分利用图像信息等优势,所以有着广阔的发展前景。基于视觉的室内定位,首先要从图像中获取有效的像素点,本文借助天花板这种自然信标,通过霍夫线段检测,将某块天花板的四个顶角坐标作为像方点坐标。然后将像方点带入单应矩阵中进行矩阵变化,以获得对应像方点的物方点坐标。最后,将像方点坐标和物方点坐标一起带入后方交会的运算程序中,就能得到对应的摄像头的空间坐标。为实现以上方案,本论文遇到的挑战有:（1）拍摄的天花板影像含有大量噪声,线段检测的结果有误差和噪声直线;（2）经过霍夫线段检测时,霍夫空间真实峰值附近出现了虚假峰值,导致结果中含有平行、靠近的线段,还会导致一条长线段中间断开的情况;（3）如何通过图像处理等方法粗略定位天花板位于图像中的位置、以及如何识别墙角等。本文主要工作如下:（1）相对于建立物方特征库进行室内定位的方法,本文创新性地提出了单应矩阵+后方交会的模型进行室内定位,并在实践中成功进行验证,证明模型具有可行性;（2）对霍夫变换线段检测方法进行了细致调研和科学分析,采用图像分块和线段融合的方法改进霍夫变换线段检测算法,并将新的线段检测算法作为本次课题中天花板线段检测的中心算法;（3）对不同模块功能进行解耦合设计,最后使用编程语言实现室内定位系统。经过上述工作,本文实验数据表明,本方案的定位精度为20cm,可作为单目视觉定位方案的一种创新,为进一步研究室内定位提供思路。
曹林[4]（2020）在《基于倾斜影像线特征的建筑物三维模型重建与优化方法研究》文中提出近年来,随着我国现代化建设的进程逐渐加快以及大数据时代的到来,以地理空间信息为核心的“数字城市”、“实景三维城市”等城市服务体系正在蓬勃发展,建筑物是城市地区的重要基础设施和组成部分,其三维模型的构建已经成为数字城市地理空间数据框架的关键要素之一,实景城市三维模型、数字建筑模型、独立建筑物模型构建等高层次的建模需求对三维建模技术提出了新的挑战,如何快速、自动、准确地构建城市地区尤其是各类形态复杂的建筑物三维模型是当前各领域研究的热点问题。一方面,传统的垂直航空摄影或是机载激光雷达扫描技术都难以获取建筑物立面信息,通常需要结合数字近景摄影测量进行补充才能构建建筑物立面模型,不仅效率较低且建模成本较高;同时,基于点云进行建筑物三维模型的构建时由于点云数据庞大,存在着构网复杂、建模效率低下、模型视觉效果不佳以及纹理缺失区域建模精度不高等问题。另一方面,现有建模方法大多以点云数据为基础构建三维模型而轻视了线特征的作用,在城市等包含大量几何规律及特性的场景中,由于三维线段模型在表现人造建筑物的几何结构方面效果更加突出,因此若将线特征应用于建筑物三维模型的构建和优化工作,可以提高模型构建的效率和精度,改善三维模型的视觉效果。因此,基于线特征的建筑物三维模型重建具有重要的理论研究价值和实用性。本文针对目前建筑物三维模型重建领域存在的问题,以倾斜影像中获取的建筑物线特征为基础,对建筑物三维模型重建技术路线中的线特征匹配、线特征三维重建、三维点云模型优化、建筑物模型快速重建等关键技术展开了研究。1.针对倾斜影像等变形大、遮挡严重的情况下线特征难以匹配以及只考虑局部特征时匹配稳健性不高的问题,提出了一种多重约束下的倾斜影像线特征多视匹配方法,为倾斜影像的线特征匹配以及线特征的多视图匹配提供了新的思路和借鉴。2.针对线特征三维重建时线段端点难以确定以及稳健性不高的情况,提出了一种基于选权迭代思想的线特征三维重建方法,解决了线特征三维重建中线段完整性与稳健性之间互相矛盾的问题。3.针对以点云为基础进行建筑物三维建模时计算量大、纹理缺失区域建模效果不佳等问题,以倾斜影像中获取的建筑物三维线特征为基础,提出了一种基于倾斜影像线特征的建筑物三维模型重建方法,为低复杂度建筑物的快速建模以及线特征在建筑物三维模型重建中的应用提供了新的解决方案。4.针对点云数据构建建筑物三维模型时存在的表面凹凸不平、边缘锯齿等模型真实感不佳的问题,提出了一种基于线特征辅助的三维模型平面和边缘优化方法,改善了建筑物三维模型的视觉效果,提高了模型精度,为物方三角网以及点云重建模型的优化提供了新的研究思路。
赵乐,王先培,姚鸿泰,田猛[5]（2021）在《基于可见光航拍图像的电力线提取算法综述》文中进行了进一步梳理为保障电力线路安全,电力企业每年花费大量人力和物力进行电力线路巡检。线路巡检主要包括对线路主要组件的故障诊断和周围潜在危险物体的风险评测。近年来,基于可见光航拍图像的巡检技术因具有低成本、高自动化等优点逐渐成为研究热点,而如何精确提取电力线是该技术体系下亟待解决的关键问题之一。文章主要从以下3个方面进行论述。首先,分别介绍了经典电力线提取模型和3种改进模型的建模方法和特点。然后,对国内外基于这些模型所提出的算法进行分类并概述其特点。最后,对3类具有发展潜力的电力线提取算法分析其当前存在的核心问题并对未来发展趋势进行了展望。
高照[6]（2020）在《基于无人机航拍影像的高压输电线识别的研究》文中认为输电线路是电力网络的重要组成部分,在电能传输的过程中起到了重要的作用,关乎着电网的安全稳定性。我国电网规模大、结构复杂,以传统的人工方式巡检,效率低,局限性大,而目前信息技术及民用无人机行业的迅速发展,为无人机巡检输电线路提供了便利条件。以无人机进行巡检的技术及方式也符合当下越来越高的智能化、信息化的要求。本文针对无人机巡检采集的视频图像序列,结合机器视觉,进行了输电线路识别、跟踪的研究。本文首先对无人机航拍输电线影像进行预处理操作,结合输电线在影像中的特征,将图像从色彩空间转换为灰度化图像后进行非线性变换,实现对比度的调整、增强;分析及对比去噪方法,以改进维纳滤波对航拍影像进行平滑降噪处理。然后介绍分析了 Hough类直线检测和基于梯度方法的LSD直线检测方法,针对Hough变换法检测输电线及LSD算法检测的漏检等缺陷,研究了一种基于主曲率和主方向的输电线检测算法,利用背景像素与直线像素主曲率差异较大的特性筛选潜在直线像素,以像素方向构建直线支撑区域,实现对输电线的检测。该算法不依赖于图像梯度边缘的分割,可有效的避免基于梯度方检测到的输电线双侧阶跃边缘特征给相近输电线带来的干扰。在检测到影像中潜在输电线后,进行输电线筛选,然后完成输电线的拟合输出。最后分析了无人机自动巡线时,输电线在图像中的运动情况,尝试构建了输电线目标的简化模型,研究了卡尔曼滤波的跟踪方法,通过无损卡尔曼滤波跟踪输电线目标的感兴趣区域,实现对视频图像序列中输电线的识别跟踪。本文在MATLAB平台上进行了算法的仿真验证。经实验验证,本文所提供的方法能有效的实现对视频图像序列中输电线的识别与跟踪。
刘开佳[7]（2020）在《医学CT影像中“线状物”手术器械的检测方法研究》文中研究表明伴随着计算机断层扫描技术（CT）、磁共振技术（MRI）等多种先进成像技术的发展,医学影像技术已在临床诊断、手术治疗、康复检测及远程医疗等方面得到了广泛应用。而CT影像因其高分辨、价位低等因素在介入治疗或是微创手术中备受青睐。在CT引导的介入手术中,“线状物”器械的迅速准确定位对手术的顺利进行起到关键作用,尤其对于手术导航系统的设计,如活检、介入式手术等。本文主要研究CT图像中“线状物”器械的检测方法,主要工作有以下两个方面:针对介入手术中针尖的识别问题,本文提出了一种快速的“线状物”器械消融针检测和定位方法。首先利用改进的非局部均值滤波算法对CT图像进行降噪,获得噪声较少的平滑图像,然后利用梯度算子二值化,在平滑图像上提取图像边缘检测信息,为下一步检测器械特征点做准备。在利用改进的Hough变换检测线段,结合边缘检测图像检测出“线状物”器械的特征点,其中掺杂着无关噪点,为去除这些无关噪点,最后利用改进的DBSCAN聚类方法实现有关特征信息提取。为了减少Hough变换中过度依赖阈值选取的问题,同时结合图像灰度信息,提出了一种基于Radon变换的直线检测方法。该算法首先对CT图像运用改进的非局部均值滤波算法降噪,并用Canny算子提取出边缘,然后利用改进的Radon变换在边缘检测图上检测出直线所在的轨迹,运用测得直线的“中心点”原理提取出中心轴,最后采用滑动窗口算法确定直线的端点位置。该算法计算简单,可在充分利用图像灰度信息的同时降低了算法的复杂度。通过临床诊断中的CT图像对两种“线状物”器械检测方法进行了验证。实验通过构造长度、角度、端点位置残差模型,分别从长度残差、角度残差,端点位置残差及改进时间四个方面做了定量分析和对比。各种数值实验表明,本文提出的算法有更佳的检测精度,能快速地在CT图像中检测出“线状物”手术器械,检测结果能够满足实际需求。
陈肇隆[8]（2020）在《基于无人机图像的输电线路附件识别与缺陷检测》文中进行了进一步梳理输电线路常常穿过人迹罕至的广阔地区,比如原始森林、大江大河和陡峭的山区,输电线路的人工巡检一直是一项艰苦的工作。近年来,由于无人机技术的成熟,很多地区积极开展利用无人机代替人工的巡检方案。尽管无人机在一定程度上提高了输电线路巡检的效率,但它得到的是大量原始的图片,而不是缺陷分析结果。这些原始的图片有赖于人工分析以发现缺陷。由于用人工方法分析无人机拍摄的图像是一项费时的工作,本文研究了一套对无人机拍摄的输电线路图像进行处理以自动判断是否有缺陷的视觉框架。以图像的线特征提取为基础,本文开展的主要工作有:（1）根据线特征的空间分布识别输电线和杆塔;（2）以多条线特征的聚类为基础识别防震锤;（3）通过线特征的种子生长法识别断股;（4）以线特征团和输电线的位置关系识别异物;（5）根据杆塔锈蚀区域在颜色空间中的特异性识别杆塔锈蚀;（6）通过线特征的长度、角度分布直方图结合支持向量机识别鸟巢。在研究的过程中,本文提出了一种基于矩阵运算的线段连接算法,可以代替现有的基于循环的线段连接算法,用以快速连接物体的线特征;为减少线路背景的干扰,构造了一个背景过滤器,可以有效地将前景物体从背景中分离出来,提高了识别的正确率;在防震锤的识别过程中,针对防震锤侧边线特征无法提取的问题,提出了人工轮廓线段特征生成器以提高使识别的召回率;此外,以输电线的宽度为参照长度,提出了距离阈值自动调节机制,解决了固定阈值在处理不同拍摄距离、不同分辨率时的不足。
申超胜[9]（2020）在《人造物体的几何特征提取及三维重建》文中研究说明图像特征提取在计算机视觉问题中有着十分基础和重要的地位。对于基于几何图形设计的人造物体而言,区别于自然场景,其图像部分纹理可能较为简单,具有较多的几何特征,因此人造物体的几何特征提取和描述对于人造物体的检测、识别和重建有重要的作用。本文对人造物体的几何特征提取及三维重建进行研究,研究内容如下:本文首先分析边缘点的连通域性质,提出以边缘块的形式来表示边缘,建立边缘点标注模型和制定边缘块搜索策略,实现了将边缘点特征聚合成边缘块特征,验证了边缘块能完整保留边缘图信息。之后考虑到当前直线检测算法由于梯度信息不足而导致线段被消除的问题,提出基于边缘块的线段提取算法。在边缘块的基础上,用邻接矩阵统计边缘块之间的位置信息,采用深度优先搜索算法,得到初始边缘链,利用直线的几何特性作为边缘链的筛选条件,完成图像直线特征检测。实验结果表明,该算法可以有效地完成各类场景中的直线特征提取,能较为完整的保留物体的几何结构信息。最后利用提出的直线检测算法,完成人造物体的直线特征提取,并将提取的特征输入Line3D框架中,最终实现了人造物体的模型重建。实验对比结果表明基于线特征的三维重建模型具有更为完整的结构信息。
郑行家[10]（2020）在《多尺度直线段检测算法研究》文中研究说明直线段是现实场景中一种常见的几何特征,被广泛应用于各类视觉任务中。现有的主流算法在单一的尺度下检测直线段。检测算法选择较低的尺度值虽然能够保证准确的直线段位置,但会产生大量的冗余检测线段;而选择较高的尺度值虽然能够有效的抑制冗余信息,但直线段的位置会发生偏移。为此,可以融合图像在多个尺度下的特征来提高直线段检测效果。本文就以上的课题展开相关研究,研究内容及创新点主要包含以下三个方面。根据直线段特征在不同尺度下的表现,提出基于多尺度融合的直线段检测算法。首先,利用高斯滤波得到图像的尺度空间表示,计算梯度方向及梯度幅值。然后在不同尺度下分别区域生长,融合后得到一个粗糙的线支持区域,由此提高检测的召回率。最后计算区域的最小外接矩形,并对密度过小的矩形做二分优化,减少错误检测。仿真实验表明新算法在主观和客观上的效果都优于当前的直线段检测算法。研究直线段验证策略,并提出一种新的优化方法。图像中的干扰信息容易带来错误检测线段,当前的直线段验证方法基于自身的可信度进行分析判断,而忽略直线段相互之间的联系。为此,我们基于“拟曼哈顿世界”的假设提出一种全局验证方法,将直线段之间的联系作为可信度判断的依据。实验结果表明,与现有的验证方法相比,新的验证方法能够更有效过滤错误检测线段,从而显着提高检测精度。研究直线段检测的评估算法,完善现有的测评体系,并对所提出的检测算法进行系统地评估。在过去的研究发展中,缺乏一个客观合理的评价体系。我们从主观测评和客观测评两个方面对检测结果进行评估。在主观评估方面,对直线段检测效果给出一个系统的定义;在客观评估方面,完善了客观测评模型,设计和实现评估算法。通过实验分析验证了提出的客观测评算法的有效性。最后,给出了本文所提出的直线段检测算法和对比算法的测评结果。
二、基于改进Hough变换的图像线段特征提取（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、基于改进Hough变换的图像线段特征提取（论文提纲范文）
（1）平面几何图像中特征信息的抽取技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文章节安排 |
| 第二章 相关技术与理论 |
| 2.1 图像区域分割 |
| 2.1.1 基于阈值的图像分割法 |
| 2.1.2 基于边缘检测的图像分割法 |
| 2.1.3 基于区域的图像分割法 |
| 2.1.4 基于投影法的图像分割法 |
| 2.2 角点检测算法 |
| 2.2.1 基于灰度图像的角点检测 |
| 2.2.2 基于轮廓曲线的角点检测 |
| 2.2.3 基于二值图像的角点检测 |
| 2.3 直线与圆检测算法 |
| 2.3.1 直线检测 |
| 2.3.2 圆检测 |
| 2.4 本章小结 |
| 第三章 基于改进的FAST角点检测器用于多边几何图形识别 |
| 3.1 图像预处理 |
| 3.1.1 二值处理 |
| 3.1.2 噪声处理 |
| 3.2 角点分析 |
| 3.2.1 几何图形切割 |
| 3.2.2 形态学处理 |
| 3.2.3 候选角点提取 |
| 3.3 角点提取 |
| 3.4 实验与评估 |
| 3.5 本章小结 |
| 第四章 一种鲁棒性强的粘连字符提取方法 |
| 4.1.粘连字符处理 |
| 4.1.1 预处理 |
| 4.1.2 类拉普拉斯算子 |
| 4.2 字符提取算法 |
| 4.2.1 字符边缘提取 |
| 4.2.2 改进的NMS算法 |
| 4.2.3 边缘修复算法 |
| 4.3 字符识别 |
| 4.3.1 数据增强 |
| 4.3.2 卷积神经网络 |
| 4.4 实验与评估 |
| 4.5 本章小结 |
| 第五章 从图像中检索几何信息 |
| 5.1 直线段抽取 |
| 5.1.1 预处理 |
| 5.1.2 线段合并 |
| 5.1.3 错误点消除 |
| 5.2 圆的提取 |
| 5.3 几何信息抽取 |
| 5.3.1 点、线、圆和交点 |
| 5.3.2 基本几何信息抽取 |
| 5.4 实验与评估 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
（2）基于计算机视觉的受电弓识别及滑板接触面伤损检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 视频获取及图像预处理 |
| 2.1 视频获取 |
| 2.1.1 视频分解为图片 |
| 2.2 图像预处理 |
| 2.3 实验结果与分析 |
| 2.4 本章小结 |
| 第三章 受电弓图像筛选 |
| 3.1 图像筛选目的 |
| 3.2 卷积神经网络的受电弓检测 |
| 3.3 卷积神经网络 |
| 3.3.1 卷积神经网络模型概述 |
| 3.3.2 感受野与权值共享 |
| 3.3.3 池化操作 |
| 3.4 滑板卷积神经网络结构设计 |
| 3.5 反向传播算法训练样本集 |
| 3.6 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 受电弓滑板区域精确检测 |
| 4.1 滑板区域精确检测目的 |
| 4.2 边缘检测 |
| 4.2.1 边缘检测步骤 |
| 4.2.2 边缘检测算法 |
| 4.3 受电弓边缘检测结果与分析 |
| 4.4 Hough直线检测 |
| 4.4.1 Hough变换原理 |
| 4.4.2 受电弓滑板区域Hough算法检测结果 |
| 4.5 滑板倾斜校正 |
| 4.6 本章小结 |
| 第五章 滑板接触面伤损检测 |
| 5.1 滑板裂纹检测 |
| 5.1.1 裂纹提取 |
| 5.1.2 滑板裂纹检测实验结果分析 |
| 5.2 滑板烧伤检测 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 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 |
（3）基于天花板影像的室内定位系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 发展趋势分析 |
| 1.4 论文的研究内容和创新点 |
| 1.5 论文组织结构 |
| 2 室内定位系统中的理论分析 |
| 2.1 单像空间后方交会 |
| 2.1.1 单像空间后方交会的概念 |
| 2.1.2 单像空间后方交会的运算过程 |
| 2.2 单应矩阵 |
| 2.3 图像处理 |
| 2.3.1 模板匹配 |
| 2.3.2 特征检测和特征匹配 |
| 2.4 本章小结 |
| 3 改进霍夫线段检测算法实现与验证 |
| 3.1 经典概率霍夫变换线段检测算法 |
| 3.1.1 经典概率霍夫变换线段检测算法数学推导 |
| 3.1.2 经典概率霍夫变换线段检测算法检测过程 |
| 3.1.3 经典概率霍夫变换线段检测算法实验效果 |
| 3.1.4 经典概率霍夫变换线段检测算法效果分析 |
| 3.2 改进概率霍夫变换线段检测算法 |
| 3.2.1 图像分块处理 |
| 3.2.2 线段融合处理 |
| 3.3 改进概率霍夫变换线段检测算法的验证 |
| 3.3.1 图像分块处理的验证 |
| 3.3.2 线段融合处理的验证 |
| 3.4 本章小结 |
| 4 室内定位系统的设计与实现 |
| 4.1 需求分析 |
| 4.2 系统设计 |
| 4.2.1 图像处理模块 |
| 4.2.2 单应矩阵模块 |
| 4.2.3 后方交会模块 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未解决的问题和以后的工作展望 |
| 参考文献 |
| 致谢 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 |
（4）基于倾斜影像线特征的建筑物三维模型重建与优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于图像的三维建模研究现状 |
| 1.2.2 三维模型优化研究现状 |
| 1.2.3 线特征匹配研究现状 |
| 1.3 论文研究内容与结构安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 章节安排 |
| 第二章 多重约束下的倾斜影像线特征多视匹配方法 |
| 2.1 基本概念与算法基础 |
| 2.1.1 匹配测度 |
| 2.1.2 匹配约束 |
| 2.1.3 匹配策略 |
| 2.1.4 基本矩阵 |
| 2.2 多重约束下倾斜影像线特征多视匹配思路与流程 |
| 2.3 多重约束下倾斜影像线特征多视匹配算法 |
| 2.3.1 初始匹配候选集的获取 |
| 2.3.2 改进的多重约束下误匹配线段的剔除 |
| 2.3.3 基于线段重叠区域的最优参考影像与参考线段的选取 |
| 2.3.4 多视影像联立下线特征匹配全局解的获取 |
| 2.4 实验验证与分析 |
| 2.4.1 匹配正确率对比实验 |
| 2.4.2 匹配率对比实验 |
| 2.4.3 匹配精度对比实验 |
| 2.4.4 实验分析 |
| 2.5 本章小结 |
| 第三章 基于线特征的建筑物三维模型快速重建方法 |
| 3.1 基本概念与算法基础 |
| 3.1.1 三维重建 |
| 3.1.2 平面相交法 |
| 3.1.3 三视图几何 |
| 3.1.4 建筑物三维模型重建数据源 |
| 3.1.5 建筑物三维模型重建方法 |
| 3.2 基于线特征的建筑物三维模型快速重建思路与流程 |
| 3.3 基于线特征的建筑物三维模型快速重建算法 |
| 3.3.1 基于选权迭代思想的三维线段择优重建 |
| 3.3.2 基于分层聚类思想的线特征近似仿射平面剖分 |
| 3.3.3 特征点引导的基于拓扑顺序的平面构建方法 |
| 3.3.4 特征角点引导的平面边界构造与补充 |
| 3.3.5 基于稳健三维线段与特征角点的模型验证与精纠正 |
| 3.4 实验验证与分析 |
| 3.4.1 三维线段重建精度验证 |
| 3.4.2 模型视觉效果验证 |
| 3.4.3 建模效率对比 |
| 3.4.4 模型精度验证 |
| 3.4.5 模型表面可靠性验证 |
| 3.4.6 实验分析 |
| 3.5 本章小结 |
| 第四章 基于线特征辅助的建筑物三维点云模型优化方法 |
| 4.1 基本概念与算法基础 |
| 4.1.1 点云数据获取 |
| 4.1.2 点云滤波 |
| 4.1.3 构建物方三角网 |
| 4.1.4 三角网格优化 |
| 4.2 基于线特征辅助的建筑物三维点云模型优化思路与流程 |
| 4.3 基于线特征辅助的建筑物三维点云模型优化算法 |
| 4.3.1 数据处理 |
| 4.3.2 基于三角面片的模型平面拟合与优化 |
| 4.3.3 基于三维线特征辅助的模型边缘优化 |
| 4.3.4 实验验证与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.1.1 论文工作 |
| 5.1.2 创新点 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（6）基于无人机航拍影像的高压输电线识别的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 输电线识别的主要研究动态 |
| 1.3 本文研究内容及章节安排 |
| 2 航拍输电线影像预处理 |
| 2.1 航拍图像中输电线特征分析 |
| 2.2 图像灰度化处理 |
| 2.3 基于改进维纳滤波的图像去噪 |
| 2.4 本章小结 |
| 3 基于主曲率和主方向的输电线检测 |
| 3.1 经典直线检测算法 |
| 3.2 基于主曲率的直线检测 |
| 3.3 输电线的筛选拟合 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 4 输电线路跟踪算法的研究 |
| 4.1 视频序列图像跟踪的主要方法 |
| 4.2 输电线路跟踪 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）医学CT影像中“线状物”手术器械的检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要内容和章节安排 |
| 2 CT影像中“线状物”的检测方法 |
| 2.1 现代医学影像简介 |
| 2.2 医学图像“线状物”检测算法 |
| 2.3 本章小结 |
| 3 基于改进Hough变换和聚类的“线状物”手术器械检测算法 |
| 3.1 改进的非局部均值滤波算法 |
| 3.2 梯度算子计算 |
| 3.3 “线状物”手术器械检测及其特征点提取 |
| 3.4 改进Hough变换和聚类算法 |
| 3.5 实验结果评价与分析 |
| 3.6 本章小结 |
| 4 基于改进Radon变换的“线状物”手术器械检测算法 |
| 4.1 图像边缘检测 |
| 4.2 Radon变换直线检测算法 |
| 4.3 中心轴确定 |
| 4.4 直线端点确定 |
| 4.5 改进Radon变换直线检测算法 |
| 4.6 实验结果评价与分析 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者筒历 |
| 致谢 |
| 学位论文数据集 |
（8）基于无人机图像的输电线路附件识别与缺陷检测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 研究现状 |
| 1.3 论文的主要研究工作 |
| 第二章 线特征提取与处理 |
| 2.1 引言 |
| 2.2 三种经典线特征提取算法 |
| 2.2.1 Radon变换 |
| 2.2.2 Hough变换 |
| 2.2.3 LSD算法 |
| 2.3 线特征连接的必要性 |
| 2.4 格式塔感知定律 |
| 2.5 线特征连接算法 |
| 2.5.1 循环式线特征连接算法 |
| 2.5.2 矩阵式线特征连接算法 |
| 2.6 算例分析 |
| 2.6.1 Hough变换和LSD算法的对比 |
| 2.6.2 循环式和矩阵式线特征连接算法的对比 |
| 2.7 本章小结 |
| 第三章 输电线路及其附件的识别 |
| 3.1 引言 |
| 3.2 背景过滤器 |
| 3.3 人工轮廓线特征生成器 |
| 3.4 自动阈值调节机制 |
| 3.5 输电线路和杆塔的识别 |
| 3.5.1 输电线路识别 |
| 3.5.2 杆塔的识别 |
| 3.6 防震锤的识别 |
| 3.6.1 kAS概述 |
| 3.6.2 基于改进kAS的防震锤识别 |
| 3.7 断股的识别 |
| 3.8 异物的识别 |
| 3.9 算例分析 |
| 3.9.1 数据集介绍 |
| 3.9.2 自动阈值调节机制的参数分析 |
| 3.9.3 防震锤的识别 |
| 3.9.4 断股和异物的识别 |
| 3.10 本章小结 |
| 第四章 杆塔锈蚀以及鸟巢的检测 |
| 4.1 引言 |
| 4.2 杆塔锈蚀和鸟巢的危害 |
| 4.3 杆塔锈蚀和鸟巢的视觉特征 |
| 4.3.1 杆塔锈蚀的视觉特征 |
| 4.3.2 鸟巢的视觉特征 |
| 4.4 RGB颜色空间到HSI颜色空间的映射 |
| 4.4.1 RGB颜色空间 |
| 4.4.2 HSI颜色空间 |
| 4.5 支持向量机 |
| 4.6 线特征长度直方图、方向直方图 |
| 4.7 算例分析 |
| 4.7.1 杆塔锈蚀的识别 |
| 4.7.2 鸟巢的识别 |
| 4.8 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 |
| 致谢 |
| 附件 |
（9）人造物体的几何特征提取及三维重建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 边缘检测研究现状 |
| 1.2.2 几何特征检测研究现状 |
| 1.2.3 三维重建研究现状 |
| 1.3 本文主要工作与组织结构 |
| 第二章 基于边缘块的线段提取算法 |
| 2.1 引言 |
| 2.2 线段提取算法的基本框架 |
| 2.3 边缘块提取 |
| 2.3.1 边缘块定义 |
| 2.3.2 边缘点标注 |
| 2.3.3 边缘点聚合 |
| 2.4 边缘块连接 |
| 2.4.1 邻接矩阵获取 |
| 2.4.2 路径提取 |
| 2.5 线段提取 |
| 2.5.1 路径筛选 |
| 2.5.2 路径分离 |
| 2.6 本章小结 |
| 第三章 线段提取算法的实现与实验对比 |
| 3.1 引言 |
| 3.2 边缘提取 |
| 3.2.1 边缘检测算法对比 |
| 3.2.2 算法参数对比 |
| 3.3 基于边缘块的线段提取算法实现 |
| 3.4 实验对比 |
| 3.4.1 边缘块提取效果实验 |
| 3.4.2 边缘块连接效果实验 |
| 3.4.3 线段提取效果实验 |
| 3.5 本章小结 |
| 第四章 基于线特征的三维重建 |
| 4.1 引言 |
| 4.2 使用线信息构建三维模型 |
| 4.2.1 二维线段匹配 |
| 4.2.2 三维线段位置估计 |
| 4.3 实验对比 |
| 4.3.1 实验参数 |
| 4.3.2 实验效果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要科研成果 |
（10）多尺度直线段检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 全局Hough变换方法 |
| 1.2.2 局部感知组合法 |
| 1.2.3 多尺度方法 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 第二章 算法与技术背景 |
| 2.1 直线段检测 |
| 2.1.1 直线段定义 |
| 2.1.2 高斯滤波 |
| 2.1.3 图像梯度 |
| 2.1.4 LSD算法 |
| 2.2 多尺度技术 |
| 2.2.1 尺度概念 |
| 2.2.2 多尺度思想 |
| 2.3 基准数据集 |
| 2.4 本章小结 |
| 第三章 基于多尺度融合的直线段检测 |
| 3.1 问题背景 |
| 3.1.1 直线段检测的目标 |
| 3.1.2 单尺度方法的局限性 |
| 3.2 多尺度直线段检测算法 |
| 3.2.1 多尺度检测思想 |
| 3.2.2 多尺度图像生成 |
| 3.2.3 多尺度区域生长和融合 |
| 3.2.4 矩形拟合和优化 |
| 3.3 算法的实现与结果分析 |
| 3.3.1 算法实现 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第四章 基于可信度分析的直线段验证方法 |
| 4.1 问题背景 |
| 4.2 直线段验证 |
| 4.2.1 局部验证方法 |
| 4.2.2 全局验证方法 |
| 4.3 实验结果和分析 |
| 4.4 本章小结 |
| 第五章 直线段评估算法 |
| 5.1 问题背景 |
| 5.2 直线段评估方法 |
| 5.2.1 主观评估 |
| 5.2.2 客观评估 |
| 5.3 实验分析 |
| 5.3.1 评估算法 |
| 5.3.2 实验结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间主要的研究成果 |
| 致谢 |
四、基于改进Hough变换的图像线段特征提取（论文参考文献）
- [1]平面几何图像中特征信息的抽取技术研究[D]. 谷金峰. 广西师范大学, 2021(09)
- [2]基于计算机视觉的受电弓识别及滑板接触面伤损检测研究[D]. 张建安. 石家庄铁道大学, 2021(01)
- [3]基于天花板影像的室内定位系统的设计与实现[D]. 许勇. 武汉邮电科学研究院, 2021(01)
- [4]基于倾斜影像线特征的建筑物三维模型重建与优化方法研究[D]. 曹林. 战略支援部队信息工程大学, 2020(03)
- [5]基于可见光航拍图像的电力线提取算法综述[J]. 赵乐,王先培,姚鸿泰,田猛. 电网技术, 2021(04)
- [6]基于无人机航拍影像的高压输电线识别的研究[D]. 高照. 山东科技大学, 2020(06)
- [7]医学CT影像中“线状物”手术器械的检测方法研究[D]. 刘开佳. 山东科技大学, 2020(06)
- [8]基于无人机图像的输电线路附件识别与缺陷检测[D]. 陈肇隆. 华南理工大学, 2020(02)
- [9]人造物体的几何特征提取及三维重建[D]. 申超胜. 广西大学, 2020(02)
- [10]多尺度直线段检测算法研究[D]. 郑行家. 苏州大学, 2020(02)