| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-33页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 路面破损检测系统国内外研究进展 | 第13-17页 |
| 1.2.1 基于模拟摄影技术的路面快速检测系统 | 第13页 |
| 1.2.2 基于模拟视频技术的路面快速检测系统 | 第13页 |
| 1.2.3 基于高速面阵数字相机的路面快速检测系统 | 第13-14页 |
| 1.2.4 基于高速线扫描数字相机和激光照明技术的路面快速检测系统 | 第14-15页 |
| 1.2.5 基于热成像技术的路面破损检测系统 | 第15页 |
| 1.2.6 基于 3D 激光扫描技术的路面破损检测系统 | 第15-17页 |
| 1.3 路面破损图像自动识别算法国内外研究进展 | 第17-23页 |
| 1.3.1 路面破损图像的增强 | 第17-18页 |
| 1.3.2 路面破损目标的分割 | 第18-22页 |
| 1.3.3 路面破损图像的分类和评估 | 第22-23页 |
| 1.4 路面破损图像自动识别技术存在的难点 | 第23-26页 |
| 1.5 基于多特征融合的图像目标识别技术研究进展 | 第26-31页 |
| 1.5.1 信息融合技术的研究内容和现状 | 第27-28页 |
| 1.5.2 基于多特征融合的图像目标识别研究内容和现状 | 第28-31页 |
| 1.6 课题的来源及章节安排 | 第31-33页 |
| 1.6.1 课题来源 | 第31页 |
| 1.6.2 内容安排 | 第31-33页 |
| 第2章 路面破损图像特征分析及处理流程 | 第33-49页 |
| 2.1 路面破损类型及形成机理 | 第33-40页 |
| 2.1.1 沥青路面破损类型 | 第33-34页 |
| 2.1.2 路面破损程度计算 | 第34-36页 |
| 2.1.3 沥青路面破损形成机理 | 第36-40页 |
| 2.2 路面破损图像特征分析 | 第40-47页 |
| 2.2.1 灰度分析 | 第42-43页 |
| 2.2.2 傅立叶频域分析 | 第43页 |
| 2.2.3 边缘分析 | 第43-44页 |
| 2.2.4 纹理分析 | 第44-46页 |
| 2.2.5 形状分析 | 第46-47页 |
| 2.3 路面破损图像处理流程 | 第47-48页 |
| 2.4 本章小结 | 第48-49页 |
| 第3章 融合边缘与灰度特征的道路标线精确分割 | 第49-73页 |
| 3.1 道路标线分割的意义及特征分析 | 第49-53页 |
| 3.1.1 道路标线分割的意义 | 第49页 |
| 3.1.2 道路标线图像特征分析 | 第49-53页 |
| 3.1.3 道路标线处理流程 | 第53页 |
| 3.2 基于灰度特征的道路标线分割算法 | 第53-57页 |
| 3.2.1 基于最小误差阈值法道路标线图像分割 | 第53-55页 |
| 3.2.2 基于动态阈值法的道路标线图像分割 | 第55-56页 |
| 3.2.3 动态阈值结法与全局阈值法相结合的道路标线图像分割 | 第56-57页 |
| 3.3 基于直线边缘的道路标线分割算法 | 第57-70页 |
| 3.3.1 基于 Hough 变换的道路标线直线边缘检测 | 第57-59页 |
| 3.3.2 基于改进的 Beamlet 的道路标线直线边缘检测 | 第59-69页 |
| 3.3.3 基于直线边缘的目标分割 | 第69-70页 |
| 3.4 融合灰度与直线边缘的道路标线分割 | 第70-72页 |
| 3.4.1 融合规则 | 第70-71页 |
| 3.4.2 分割结果 | 第71-72页 |
| 3.5 算法性能对比 | 第72页 |
| 3.6 本章小结 | 第72-73页 |
| 第4章 融合纹理与形状特征的路面破损图像初始分类 | 第73-89页 |
| 4.1 路面破损图像初始分类概述 | 第73-74页 |
| 4.1.1 初始分类目的 | 第73页 |
| 4.1.2 初始分类流程 | 第73-74页 |
| 4.2 路面破损图像的融合增强 | 第74-77页 |
| 4.3 路面破损图像模式的初始分类方法 | 第77-88页 |
| 4.3.1 基于小波变换的纹理特征提取 | 第77-79页 |
| 4.3.2 路面破损图像的形状特征提取 | 第79-86页 |
| 4.3.3 基于 BP 神经网络的多特征融合分类算法 | 第86-88页 |
| 4.4 本章小结 | 第88-89页 |
| 第5章 基于 D-S 证据理论与多特征融合的裂缝类目标检测 | 第89-120页 |
| 5.1 裂缝类路面破损图像特征分析 | 第89-90页 |
| 5.2 基于灰度特征的路面裂缝检测目标识别 | 第90-97页 |
| 5.3 基于多尺度脊边缘融合的路面裂缝目标识别 | 第97-102页 |
| 5.3.1 路面裂缝的脊边缘特征 | 第97-98页 |
| 5.3.2 脊边缘性质及检测方法 | 第98-101页 |
| 5.3.3 基于多尺度脊边缘融合路面裂缝检测结果与分析 | 第101-102页 |
| 5.4 基于 D-S 证据理论和多特征的路面裂缝融合检测 | 第102-113页 |
| 5.4.1 融合流程 | 第102页 |
| 5.4.2 灰度特征图像与脊边缘特征图像的像素级融合 | 第102-103页 |
| 5.4.3 面裂缝形状特征分析与特征选择 | 第103-107页 |
| 5.4.4 基于 D-S 证据理论和裂缝形状参数路面裂缝融合检测 | 第107-111页 |
| 5.4.5 基于裂缝宏观线性特征的后续处理 | 第111-113页 |
| 5.5 本文算法性能评估及经典算法对比分析 | 第113-117页 |
| 5.6 路面裂缝几何参数自动测量算法 | 第117-119页 |
| 5.6.1 裂缝长度测量 | 第117-118页 |
| 5.6.2 裂缝宽度测量 | 第118-119页 |
| 5.7 本章小结 | 第119-120页 |
| 第6章 路面破损图像自动检测系统集成及软件开发 | 第120-132页 |
| 6.1 路面破损图像自动检测系统集成 | 第120-125页 |
| 6.1.1 系统总体结构及工作原理 | 第120-122页 |
| 6.1.2 系统总体功能需求分析 | 第122-123页 |
| 6.1.3 系统硬件集成与设备选型 | 第123-125页 |
| 6.2 路面破损自动识别软件开发 | 第125-131页 |
| 6.2.1 软件功能结构 | 第125-126页 |
| 6.2.2 软件功能实现 | 第126-131页 |
| 6.3 本章小结 | 第131-132页 |
| 第7章 总结及展望 | 第132-134页 |
| 参考文献 | 第134-141页 |
| 攻读博士学位期间取得的研究成果 | 第141-142页 |
| 致谢 | 第142页 |
