| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 图表索引 | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 隧道衬砌裂缝检测的发展现状 | 第13-16页 |
| 1.2.1 国外发展状况 | 第13页 |
| 1.2.2 国内发展状况 | 第13-16页 |
| 1.3 隧道裂缝检测遇到的问题 | 第16-17页 |
| 1.4 本文主要研究工作 | 第17页 |
| 1.5 论文内容安排 | 第17-20页 |
| 第二章 裂缝及裂缝成因分析 | 第20-26页 |
| 2.1 隧道衬砌病害种类 | 第20页 |
| 2.2 裂缝种类 | 第20-21页 |
| 2.3 裂缝危害 | 第21页 |
| 2.4 裂缝成因分析 | 第21-23页 |
| 2.5 裂缝破损分级与评价指标 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 裂缝检测系统设计 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 裂缝检测系统总体结构 | 第26-28页 |
| 3.2.1 图像采集系统 | 第27页 |
| 3.2.2 图像处理系统 | 第27-28页 |
| 3.3 系统工作原理 | 第28-34页 |
| 3.3.1 图像采集系统 | 第30-33页 |
| 3.3.2 图像处理系统 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 裂缝图像的处理和分析 | 第36-58页 |
| 4.1 隧道衬砌裂缝图像特点 | 第36页 |
| 4.2 畸变图像的修正 | 第36-39页 |
| 4.2.1 畸变系数计算 | 第36-38页 |
| 4.2.2 图像重建 | 第38-39页 |
| 4.2.3 实验结果与分析 | 第39页 |
| 4.3 裂缝图像增强 | 第39-42页 |
| 4.4 基于 Guided 滤波的 Retinex 图像增强算法 | 第42-49页 |
| 4.4.1 Guided 滤波算法原理 | 第42-43页 |
| 4.4.2 融合 Retinex 的图像增强算法 | 第43-47页 |
| 4.4.3 实验结果与分析 | 第47-49页 |
| 4.5 图像分割 | 第49-51页 |
| 4.5.1 图像分割原理 | 第49页 |
| 4.5.2 图像分割步骤 | 第49-50页 |
| 4.5.3 图像分割常用算法 | 第50-51页 |
| 4.6 基于边缘信息的 Otsu 图像分割 | 第51-55页 |
| 4.6.1 Otsu 阈值分割法 | 第51-54页 |
| 4.6.2 基于边缘信息的 Otsu 图像分割 | 第54-55页 |
| 4.7 本章小结 | 第55-58页 |
| 第五章 裂缝图像特征识别与提取 | 第58-70页 |
| 5.1 引言 | 第58页 |
| 5.2 裂缝的类型识别 | 第58-63页 |
| 5.2.1 基于投影法的裂缝类型识别 | 第59-62页 |
| 5.2.2 基于投影法和阈值的裂缝类型识别 | 第62-63页 |
| 5.3 裂缝连接 | 第63-65页 |
| 5.4 裂缝特征提取 | 第65-69页 |
| 5.4.1 不规则裂缝面积计算 | 第65-66页 |
| 5.4.2 规则裂缝长度和宽度的计算 | 第66-68页 |
| 5.4.3 结果分析 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读研究生学位期间发表的学术论文 | 第78页 |