基于图像处理的油田漏油检测方法设计与研究

目录

声明

第一章绪 论

1.1 研究工作的背景及意义

1.2 国内外研究现状

1.2.1 油田漏油检测的研究现状

1.2.2 阴影检测及消除的研究现状

1.2.3 目标检测的研究现状

1.3 本文的主要研究内容

1.4 论文结构安排

第二章本文算法涉及到的理论与研究基础

2.2 数据集的采集制作

2.3 常用激励函数

2.4 基础网络结构

2.4.1 循环神经网络

2.4.2 卷积神经网络

2.4.3 VGGNet 加深网络结构

2.5 颜色空间

2.5.1 RGB颜色空间

2.5.2 YCbCr颜色空间

2.6 方向感知的空间上下文

2.7 优化算法

2.7.1 随机梯度优化

2.7.2 Adam算法优化

2.7.3 RMSprop 算法优化

2.8 评价指标

2.9 本章小结

第三章基于深度学习的油田作业区漏油检测研究

3.1 引言

3.2 基于 YOLOV3 模型的油田作业区漏油检测算法研究

3.2.1 ResNet 网络

3.2.2 YOLOV3 结构原理

3.2.3 样本预测

3.2.4 基于 YOLOV3 的漏油检测流程

3.2.5 训练测试结果

3.3 基于 Faster RCNN模型的油田作业区漏油检测算法研究

3.3.1 Faster RCNN结构原理

3.3.2 区域推荐网络

3.3.3 ROIPooling层

3.3.4 训练测试结果

3.4 实验结果对比及分析

3.5 本章小结

第四章基于图像处理的去阴影预处理网络研究

4.1 引言

4.2 阴影类型

4.3 形态学处理操作

4.3.1 膨胀

4.3.2 腐蚀

4.4 基于 YCbCr-Net 去阴影预处理网络的研究

4.4.1 阴影检测模块设计

4.4.2 阴影消除模块设计

4.5 基于 DSC-Net去阴影预处理网络的研究

4.5.1 DSC框架设计原理

4.5.2 阴影检测算法设计

4.5.3 阴影检测网络训练

4.5.4 阴影消除网络训练

4.6 实验结果对比及分析

4.7 本章小结

第五章油田作业区漏油检测方案的研究设计

5.1 检测方案设计

5.2 实验结果对比及分析

5.4 漏油检测流程

5.4 本章小结

第六章总结与展望

6.1 总结

6.2 后续工作展望

致谢

参考文献