路面裂缝识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 沥青路面灌缝机器人装置的研究现状 | 第10-13页 |
| 1.2.2 路面裂缝自动识别算法的研究现状 | 第13-14页 |
| 1.3 本文主要研究内容及结构安排 | 第14-16页 |
| 2 基础理论知识综述 | 第16-31页 |
| 2.1 图像处理基础知识 | 第16-23页 |
| 2.1.1 图像增强 | 第16-18页 |
| 2.1.2 图像平滑 | 第18-20页 |
| 2.1.3 图像分割 | 第20-23页 |
| 2.2 卷积神经网络基础知识 | 第23-30页 |
| 2.2.1 卷积神经网络基本结构 | 第24-27页 |
| 2.2.2 误差逆传播算法 | 第27-29页 |
| 2.2.3 卷积神经网络训练过程 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 基于卷积神经网络的路面图像分类 | 第31-49页 |
| 3.1 问题描述 | 第31-32页 |
| 3.2 卷积神经网络模型结构 | 第32-37页 |
| 3.2.1 CIFAR10_quick | 第32-33页 |
| 3.2.2 AlexNet | 第33-35页 |
| 3.2.3 GoogLeNet | 第35-37页 |
| 3.3 实验及分析 | 第37-48页 |
| 3.3.1 实验数据 | 第37页 |
| 3.3.2 实验环境及配置 | 第37-38页 |
| 3.3.3 评估标准 | 第38-40页 |
| 3.3.4 实验结果 | 第40-42页 |
| 3.3.5 参数讨论 | 第42-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 路面裂缝图像目标识别 | 第49-61页 |
| 4.1 问题描述 | 第49-51页 |
| 4.2 光照不均匀校正 | 第51-54页 |
| 4.2.1 路面裂缝图像增强 | 第51-52页 |
| 4.2.2 光照不均匀路面裂缝图像的校正 | 第52-54页 |
| 4.3 二值图像连通域去噪 | 第54-58页 |
| 4.3.1 连通域检测 | 第54-56页 |
| 4.3.2 连通域去噪 | 第56-58页 |
| 4.4 实验结果分析 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 5 全文总结与展望 | 第61-63页 |
| 5.1 本文的主要内容 | 第61-62页 |
| 5.2 未来研究的展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 个人简介、在校期间发表的学术论文与研究成果 | 第66-67页 |
| 致谢 | 第67页 |
