基于Matlab的路面裂缝识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究的背景及目的 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 路面破损分类 | 第9-11页 |
| 1.3 国内外路面裂缝检测系统介绍 | 第11-13页 |
| 1.4 路面裂缝识别算法研究现状 | 第13-14页 |
| 1.4.1 国外研究现状 | 第13页 |
| 1.4.2 国内研究现状 | 第13-14页 |
| 1.5 本文的研究内容及内容安排 | 第14-16页 |
| 第二章 路面裂缝图像的去噪处理 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 路面裂缝图像特征 | 第16-17页 |
| 2.3 图像的灰度化处理 | 第17-23页 |
| 2.3.1 图像灰度化 | 第17-19页 |
| 2.3.2 图像的灰度校正 | 第19-23页 |
| 2.4 路面裂缝图像的噪声模型 | 第23页 |
| 2.5 常用的去噪方法 | 第23-27页 |
| 2.5.1 均值滤波 | 第23-25页 |
| 2.5.2 中值滤波 | 第25-27页 |
| 2.5.3 形态学去噪 | 第27页 |
| 2.6 改进的中值滤波 | 第27-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 路面裂缝的增强算法 | 第32-39页 |
| 3.1 引言 | 第32页 |
| 3.2 路面裂缝图像增强方法 | 第32-36页 |
| 3.2.1 频域增强法 | 第32-33页 |
| 3.2.2 形态学增强 | 第33-34页 |
| 3.2.3 直方图均衡化 | 第34-36页 |
| 3.3 基于模糊理论的图像增强 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 路面裂缝图像的分割 | 第39-54页 |
| 4.1 引言 | 第39-40页 |
| 4.2 阈值分割 | 第40-47页 |
| 4.2.1 P-tile 法 | 第41页 |
| 4.2.2 迭代法（最佳阀值法） | 第41-44页 |
| 4.2.3 OTSU 算法（大津法） | 第44-47页 |
| 4.3 形态学分割 | 第47-53页 |
| 4.3.1 结构元素的选择 | 第48页 |
| 4.3.2 算法的原理和步骤 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 路面裂缝图像的特征提取 | 第54-70页 |
| 5.1 引言 | 第54页 |
| 5.2 形态学处理 | 第54-58页 |
| 5.2.1 形态学的基本运算 | 第54-57页 |
| 5.2.2 去除毛刺 | 第57-58页 |
| 5.3 边缘连接 | 第58-63页 |
| 5.3.1 裂缝块的形成 | 第58-59页 |
| 5.3.2 边缘连接思想 | 第59-60页 |
| 5.3.3 连接算法 | 第60-63页 |
| 5.4 路面裂缝图像特征提取 | 第63-68页 |
| 5.4.1 裂缝类型判断 | 第63-66页 |
| 5.4.2 路面裂缝面积计算 | 第66-67页 |
| 5.4.3 路面裂缝长度和宽度的计算 | 第67-68页 |
| 5.5 本章小结 | 第68-70页 |
| 总结与展望 | 第70-72页 |
| 本文总结 | 第70-71页 |
| 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
