基于图像的沥青路面裂缝的自动识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容与结构 | 第12-15页 |
| 1.3.1 论文研究内容 | 第12-13页 |
| 1.3.2 论文结构 | 第13-15页 |
| 第二章 沥青路面病害及图像预处理 | 第15-31页 |
| 2.1 沥青路面简介 | 第15-16页 |
| 2.1.1 沥青路面发展史 | 第15-16页 |
| 2.1.2 沥青路面分类 | 第16页 |
| 2.2 沥青路面病害 | 第16-18页 |
| 2.2.1 主要病害介绍 | 第16-18页 |
| 2.3 图像处理技术 | 第18-25页 |
| 2.3.1 图像的灰度化 | 第18-21页 |
| 2.3.2 图像的增强 | 第21-23页 |
| 2.3.3 图形拼接 | 第23-25页 |
| 2.4 图像滤波去噪 | 第25-30页 |
| 2.4.1 维纳滤波 | 第25-26页 |
| 2.4.2 中值滤波 | 第26-27页 |
| 2.4.3 均值滤波 | 第27-29页 |
| 2.4.4 高斯（Gauss）滤波 | 第29-30页 |
| 2.4.5 加权邻域滤波均值滤波 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 路面病害图像分割 | 第31-47页 |
| 3.1 灰度形态学 | 第31-37页 |
| 3.1.1 形态学的腐蚀与膨胀 | 第32-34页 |
| 3.1.2 形态学的开运算和闭运算 | 第34-35页 |
| 3.1.3 形态学的应用 | 第35-36页 |
| 3.1.4 形态学增强算法 | 第36-37页 |
| 3.2 病害图像的边缘检测 | 第37-41页 |
| 3.2.1 常见的边缘检测算子 | 第38-40页 |
| 3.2.2 边缘检测实验结果 | 第40-41页 |
| 3.3 图像阈值分割方法 | 第41-46页 |
| 3.3.1 灰度阈值分割 | 第42-44页 |
| 3.3.2 全局阈值分割 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 路面病害图像模式识别理论 | 第47-61页 |
| 4.1 特征选择的理论 | 第47-48页 |
| 4.2 特征选择的方法 | 第48-50页 |
| 4.2.1 分支定界算法 | 第48-49页 |
| 4.2.2 次优搜索算法 | 第49-50页 |
| 4.3 基于投影的特征提取 | 第50-52页 |
| 4.4 基于连通域的特征提取 | 第52-55页 |
| 4.4.1 连通域标记 | 第53-54页 |
| 4.4.2 连通域特征提取 | 第54-55页 |
| 4.5 决策树分类器的基本理论 | 第55-59页 |
| 4.5.1 分类器设计准则 | 第56-57页 |
| 4.5.2 算法思想 | 第57-58页 |
| 4.5.3 属性选择度量 | 第58-59页 |
| 4.5.4 决策树剪枝 | 第59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 路面病害图像分类识别实例 | 第61-75页 |
| 5.1 实验可行性分析 | 第61-62页 |
| 5.2 实验决策树分类器的设计与训练 | 第62-64页 |
| 5.3 路面病害分类识别实验 | 第64-74页 |
| 5.3.1 图像采集系统 | 第64-66页 |
| 5.3.2 程序算法步骤 | 第66-67页 |
| 5.3.3 计算机自动分类识别 | 第67-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 论文结论 | 第75页 |
| 6.2 论文展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 附件一 源程序部分代码 | 第80-83页 |
| 攻读学位期间取得的研究成果 | 第83页 |
