声明
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 轨道状态自动巡检系统
1.2.2 扣件状态自动识别算法
1.3 研究问题描述
（1）数据采集
（2）数据分析识别
1.4 现有研究面临的挑战与困境
1.5 本文主要内容
第2章 车载铁路扣件信息采集及存储系统
2.1 三维激光成像原理
（1）激光三角法基本原理
（2）直射式激光三角法
（3）线激光与相机配合工作的机制
2.2 采集系统硬件集成
2.3 轨道三维图像数据压缩存储子系统
2.4 本章小结
第3章 弹条子图像的定位与分割
3.1 扣件区域图像的定位与分割
3.1.1 图像预处理
3.1.2 扣件区域图像的分割
3.1.3 扣件图像统一化处理
3.2 弹条子图像的分割
3.3 创建扣件断裂的负样本
3.4 扣件样本库的建立
3.5 分割实验及结果分析
（1）扣件区域图像定位分割实验
（2）弹条子图像分割实验
3.6 本章小结
第4章 基于HOHG特征的扣件图像识别
4.1 HOG与HOHG特征
4.2 SVM分类器
4.3 实验及结果分析
4.3.1 CRTSⅢ型板式无砟轨道弹条图像数据测试
4.3.2 CRTSⅡ型双块式无砟轨道弹条图像数据测试
4.4 本章小结
第5章 基于深度卷积神经网络的扣件图像识别
5.1 人工神经网络
5.1.1神经网络的发展
5.1.2 神经网络结构介绍
5.2 深度卷积神经网络的结构
5.3 深度卷积神经网络的训练
（1）前向传播
（2）反向传播
（3）权重更新
5.4 实验及结果分析
5.3.1参数讨论
5.3.2扣件状态识别测试结果
5.5 本章小结
第6章 结论与展望
6.1 论文主要工作总结
6.2 有待进一步研究的问题
致谢
参考文献
攻读博士学位期间发表的论文及科研成果
