路面裂缝图像处理方法研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-26页 |
| ·引言 | 第12页 |
| ·研究背景及意义 | 第12-14页 |
| ·沥青路面的定义 | 第12-13页 |
| ·路面图像特点概述 | 第13页 |
| ·研究背景及意义 | 第13-14页 |
| ·路面图像裂缝检测的研究状况 | 第14-18页 |
| ·国外研究状况分析 | 第14-16页 |
| ·国内研究状况分析 | 第16-18页 |
| ·路面图像裂缝识别的研究内容 | 第18-19页 |
| ·路面图像裂缝识别的方法研究 | 第19-24页 |
| ·边缘特征提取方法 | 第19-21页 |
| ·纹理分析方法 | 第21-22页 |
| ·形态学方法 | 第22页 |
| ·神经网络方法 | 第22页 |
| ·模糊逻辑方法 | 第22-23页 |
| ·小波分析方法 | 第23页 |
| ·拓扑结构方法 | 第23页 |
| ·滤波处理方法 | 第23页 |
| ·偏微分方程方法 | 第23-24页 |
| ·硬件设备介绍和数据来源 | 第24页 |
| ·论文所做的工作 | 第24-25页 |
| ·本文结构安排 | 第25页 |
| ·小结 | 第25-26页 |
| 第二章 路面图像增强方法研究 | 第26-50页 |
| ·引言 | 第26-27页 |
| ·理论基础 | 第27-39页 |
| ·小波变换理论 | 第27-32页 |
| ·Retinex理论 | 第32-34页 |
| ·同态滤波 | 第34-35页 |
| ·PCNN模型 | 第35-36页 |
| ·路面彩色图像 | 第36-37页 |
| ·图像增强的效果评价 | 第37-39页 |
| ·基于PCNN模型和小波变换的路面图像增强方法 | 第39-42页 |
| ·彩色图像处理 | 第39页 |
| ·小波变换 | 第39-40页 |
| ·PCNN模型 | 第40-41页 |
| ·PCNN模型和小波变换增强图像的方法步骤 | 第41页 |
| ·方法应用及结果分析 | 第41-42页 |
| ·基于改进Retinex方法的路面图像增强方法 | 第42-48页 |
| ·改进Retinex方法的思想 | 第43页 |
| ·构造平滑传导函数W | 第43-44页 |
| ·利用改进Retinex方法增强路面图像 | 第44-45页 |
| ·改进Retinex方法的流程图 | 第45页 |
| ·方法应用及结果分析 | 第45-48页 |
| ·基于粗糙集的图像增强智能决策方法研究 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第三章 路面图像降噪处理方法研究 | 第50-68页 |
| ·引言 | 第50-51页 |
| ·理论基础 | 第51-54页 |
| ·噪声分类 | 第51页 |
| ·空间域降噪处理 | 第51-53页 |
| ·频率域降噪处理 | 第53页 |
| ·小波域降噪处理 | 第53-54页 |
| ·基于变换域和噪声估计的图像高斯噪声处理 | 第54-58页 |
| ·基于变换域和噪声估计的图像去噪方法 | 第55页 |
| ·傅里叶变换域的噪声处理 | 第55页 |
| ·小波变换域的噪声处理 | 第55-56页 |
| ·图像高斯噪声处理方法步骤 | 第56页 |
| ·方法应用及结果分析 | 第56-58页 |
| ·基于噪声分析的图像脉冲噪声降噪处理 | 第58-62页 |
| ·自适应门限的确定 | 第59-60页 |
| ·基于统计个数的脉冲噪声点判定 | 第60页 |
| ·基于统计个数的脉冲噪声处理方法步骤 | 第60页 |
| ·方法应用及结果分析 | 第60-62页 |
| ·基于噪声分析的图像椒盐噪声降噪处理 | 第62-67页 |
| ·椒盐噪声的特点 | 第63-64页 |
| ·基于椒盐噪声特点的中值滤波降噪方法 | 第64-65页 |
| ·方法应用及结果分析 | 第65-67页 |
| ·小结 | 第67-68页 |
| 第四章 路面图像灰度校正算法研究 | 第68-80页 |
| ·引言 | 第68页 |
| ·理论基础 | 第68-70页 |
| ·基于直方图变化的灰度变换法 | 第68-69页 |
| ·图像空域上的灰度变换方法 | 第69页 |
| ·梯度域灰度变换方法 | 第69-70页 |
| ·参考标样校正方法 | 第70页 |
| ·基于统计特性的图像光照不均匀校正算法 | 第70-76页 |
| ·路面图像的统计特性分析 | 第70-72页 |
| ·估计背景灰度矩阵 | 第72-73页 |
| ·基于统计特性的灰度校正算法 | 第73-74页 |
| ·方法应用及结果分析 | 第74-76页 |
| ·基于采样窗的路面图像灰度校正算法 | 第76-79页 |
| ·背景灰度模型 | 第76页 |
| ·估计残差值 | 第76-77页 |
| ·采样窗灰度校正算法步骤 | 第77页 |
| ·方法应用及结果分析 | 第77-79页 |
| ·小结 | 第79-80页 |
| 第五章 路面图像分割方法研究 | 第80-98页 |
| ·引言 | 第80页 |
| ·理论基础 | 第80-85页 |
| ·基于边缘检测的图像分割 | 第81-83页 |
| ·基于阈值的图像分割 | 第83-84页 |
| ·基于区域的图像分割 | 第84-85页 |
| ·基于直方图分析和最小误差估计的图像分割方法 | 第85-88页 |
| ·路面图像直方图分析 | 第85页 |
| ·应用最小误差估计确定阈值 | 第85-86页 |
| ·算法实现 | 第86-87页 |
| ·路面图像的直方图分析 | 第87-88页 |
| ·基于统计模型的分层次阈值图像裂缝分割方法 | 第88-97页 |
| ·路面图像的正态分布特性 | 第89-90页 |
| ·路面图像裂缝的骨架提取 | 第90-91页 |
| ·基于统计模型的分层次裂缝骨架重建方法 | 第91-93页 |
| ·基于形态学的不连续裂缝的修复 | 第93-95页 |
| ·路面图像裂缝分割方法处理步骤 | 第95页 |
| ·方法应用及结果分析 | 第95-97页 |
| ·小结 | 第97-98页 |
| 第六章 路面图像分类识别研究 | 第98-113页 |
| ·引言 | 第98-99页 |
| ·理论基础 | 第99-104页 |
| ·基于遗传算法的图像分类 | 第99-102页 |
| ·基于自组织特征映射网络的图像分类 | 第102-104页 |
| ·路面裂缝图像特征提取 | 第104-108页 |
| ·特征形成 | 第104-105页 |
| ·路面图像的投影特征提取 | 第105-106页 |
| ·路面图像投影点集中离散程度特征提取 | 第106-107页 |
| ·路面图像特征组成 | 第107页 |
| ·基于GA和SOM方法的裂缝识别 | 第107-108页 |
| ·基于模糊神经网络的路面裂缝图像的分类 | 第108-112页 |
| ·模糊神经网络的特点 | 第108页 |
| ·模糊神经网络算法的原理 | 第108-110页 |
| ·基于MATLAB的模糊神经网络分类器的设计步骤 | 第110-111页 |
| ·实验与分析 | 第111-112页 |
| ·小结 | 第112-113页 |
| 第七章 总结、展望与创新内容 | 第113-116页 |
| ·总结 | 第113-114页 |
| ·展望 | 第114-115页 |
| ·创新内容 | 第115-116页 |
| 参考文献 | 第116-125页 |
| 攻读博士学位期间取得的研究成果 | 第125-126页 |
| 一、攻读博士学位期间取得的学术成果 | 第125页 |
| 二、攻读博士学位期间参与的主要科研项目 | 第125-126页 |
| 致谢 | 第126页 |
