基于计算机视觉的路面裂纹检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 课题研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 课题研究难点 | 第14-16页 |
| 1.4 论文主要研究工作 | 第16-17页 |
| 1.5 论文框架结构 | 第17-19页 |
| 2 相关工作 | 第19-31页 |
| 2.1 基于图像特性的裂纹检测方法 | 第19-21页 |
| 2.1.1 边缘检测 | 第19-20页 |
| 2.1.2 直方图分析 | 第20-21页 |
| 2.2 基于机器学习的裂纹检测方法 | 第21-26页 |
| 2.2.1 支持向量机 | 第21-24页 |
| 2.2.2 结构化随机森林 | 第24-26页 |
| 2.3 基于最短路径选择模型的裂纹检测方法 | 第26-27页 |
| 2.4 裂纹区域的特征表示 | 第27-29页 |
| 2.4.1 神经网络 | 第27-28页 |
| 2.4.2 裂纹描述子 | 第28页 |
| 2.4.3 区域生长法 | 第28-29页 |
| 2.5 不足与解决方案 | 第29-30页 |
| 2.6 小结 | 第30-31页 |
| 3 基于块的自适应无监督路面裂纹检测算法 | 第31-58页 |
| 3.1 基于块的无监督路面裂纹检测算法 | 第31-33页 |
| 3.1.1 算法流程 | 第31-32页 |
| 3.1.2 算法不足 | 第32-33页 |
| 3.2 基于上下文信息的自适应块裂纹检测优化 | 第33-52页 |
| 3.2.1 图像平滑 | 第35-37页 |
| 3.2.2 预标记 | 第37-38页 |
| 3.2.3 预处理 | 第38-40页 |
| 3.2.4 裂纹检测 | 第40-48页 |
| 3.2.5 自适应块分析 | 第48-50页 |
| 3.2.6 上下文邻域分析 | 第50-51页 |
| 3.2.7 裂纹几何特性分析 | 第51-52页 |
| 3.3 实验结果与分析 | 第52-57页 |
| 3.3.1 实验环境 | 第53页 |
| 3.3.2 实验数据集 | 第53-54页 |
| 3.3.3 评估标准 | 第54-55页 |
| 3.3.4 实验结果 | 第55-57页 |
| 3.4 小结 | 第57-58页 |
| 4 路面裂纹的特征表示 | 第58-70页 |
| 4.1 裂纹类型划分 | 第58-60页 |
| 4.1.1 路面裂纹类型 | 第58页 |
| 4.1.2 裂纹类型划分算法 | 第58-60页 |
| 4.2 裂纹严重程度判定 | 第60-67页 |
| 4.2.1 路面裂纹严重程度 | 第60-61页 |
| 4.2.2 裂纹严重程度判定算法 | 第61-62页 |
| 4.2.3 最大类间方差法 | 第62页 |
| 4.2.4 直方图高斯拟合 | 第62-65页 |
| 4.2.5 骨架提取 | 第65-67页 |
| 4.3 实验结果与分析 | 第67-68页 |
| 4.4 小结 | 第68-70页 |
| 5 路面裂纹检测系统设计 | 第70-76页 |
| 5.1 系统开发环境 | 第70页 |
| 5.2 系统模块设计 | 第70-72页 |
| 5.3 系统处理流程 | 第72-73页 |
| 5.4 系统优化 | 第73页 |
| 5.5 系统展示 | 第73-75页 |
| 5.6 小结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 本文工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 作者简历 | 第82-84页 |
| 学位论文数据集 | 第84页 |
