| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究课题的来源和意义 | 第13-14页 |
| ·桥梁表面缺陷检测技术的国内外研究现状 | 第14-16页 |
| ·桥梁的表面缺陷检测内容 | 第14-15页 |
| ·桥梁表面缺陷无损检测技术的发展现状 | 第15-16页 |
| ·本课题研究的主要内容 | 第16-17页 |
| ·小结 | 第17-19页 |
| 第二章 桥梁表面缺陷分类及其检测原理 | 第19-33页 |
| ·桥梁检查相关知识 | 第19-23页 |
| ·传统桥梁检查分类 | 第19-21页 |
| ·桥梁表面缺陷形成的原因及其分类 | 第21-23页 |
| ·桥梁表面缺陷检测系统及其硬件环境 | 第23-31页 |
| ·CCD(Charge Coupled Device)技术及应用 | 第23-27页 |
| ·系统工作硬件环境 | 第27-30页 |
| ·照明系统的选择 | 第30-31页 |
| ·系统工作原理 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 桥梁表面缺陷的数字图像处理 | 第33-53页 |
| ·数字图像处理技术简介及其应用 | 第33-36页 |
| ·数字图像处理的特点及优点 | 第33-35页 |
| ·数字图像处理的应用 | 第35-36页 |
| ·数字图像处理基础 | 第36-39页 |
| ·图像的数字化 | 第36-37页 |
| ·数字图像处理基本运算 | 第37-39页 |
| ·桥梁图像的获取与数字化 | 第39-40页 |
| ·桥梁缺陷图像预处理 | 第40-45页 |
| ·多图像平均法 | 第41页 |
| ·中值滤波 | 第41-43页 |
| ·加权邻域平均法 | 第43-44页 |
| ·算法实现 | 第44-45页 |
| ·桥梁表面缺陷图像分割 | 第45-52页 |
| ·图像分割理论 | 第45-46页 |
| ·图像分割算法分类 | 第46-48页 |
| ·基于迭代剪枝算法的桥梁表面缺陷分割 | 第48-51页 |
| ·缺陷发像分割中的形态学运算 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第四章 基于神经网络的裂缝分类系统 | 第53-84页 |
| ·神经网络的基本知识 | 第53-56页 |
| ·人工神经网络发展概况 | 第53-55页 |
| ·神经网络的基本类型 | 第55-56页 |
| ·BP神经网络 | 第56-63页 |
| ·BP神经网络的模型和算法 | 第57-58页 |
| ·BP神经网络的学习训练过程 | 第58-63页 |
| ·训练数据集与测试数据集 | 第63-68页 |
| ·训练数据集 | 第63-67页 |
| ·测试数据集 | 第67-68页 |
| ·用BP神经网络对裂缝图像进行分类 | 第68-80页 |
| ·网络结构与网络训练 | 第69-74页 |
| ·裂缝图像识别 | 第74-80页 |
| ·识别结果分析 | 第80-82页 |
| ·裂缝尺寸的几何估算 | 第82-83页 |
| ·小结 | 第83-84页 |
| 第五章 裂缝图像数据库与软件设计 | 第84-91页 |
| ·缺陷表面缺陷管理与维护概述 | 第84-85页 |
| ·缺陷图像数据库设计方案 | 第85-89页 |
| ·数据库文件管理方式的选择 | 第85-87页 |
| ·数据库系统开发 | 第87-89页 |
| ·软件介绍 | 第89页 |
| ·小结 | 第89-91页 |
| 总结与建议 | 第91-93页 |
| 参考文献 | 第93-96页 |
| 攻读学位期间发表的论文 | 第96-97页 |
| 独创性声明 | 第97-98页 |
| 致谢 | 第98页 |