| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-29页 |
| §1.1 引言 | 第15页 |
| §1.2 研究的目的与意义 | 第15-16页 |
| §1.3 国内外研究现状 | 第16-26页 |
| ·线状目标的增强与提取 | 第16-18页 |
| ·路面裂缝的增强与提取 | 第18-20页 |
| ·目前存在的问题 | 第20-26页 |
| §1.4 主要研究内容 | 第26-28页 |
| ·研究目标 | 第26页 |
| ·研究内容 | 第26-27页 |
| ·拟解决的关键问题 | 第27-28页 |
| §1.5 论文组织结构 | 第28-29页 |
| 第二章 基于亮度高程模型的路面阴影消除 | 第29-42页 |
| §2.1 引言 | 第29页 |
| §2.2 阴影消除相关研究介绍 | 第29-31页 |
| §2.3 基于亮度高程模型的阴影消除算法 | 第31-34页 |
| ·具有纹理均衡能力的亮度补偿方法 | 第31-32页 |
| ·基于亮度等高区域划分的阴影消除 | 第32-34页 |
| §2.4 基于GSR的路面阴影消除实验与分析 | 第34-41页 |
| §2.5 本章小结 | 第41-42页 |
| 第三章 基于张量投票的路面裂缝增强 | 第42-57页 |
| §3.1 引言 | 第42页 |
| §3.2 张量分析的基础知识 | 第42-45页 |
| ·张量的定义 | 第43页 |
| ·张量的性质 | 第43-44页 |
| ·张量的分解 | 第44页 |
| ·阶张量的特征向量表示 | 第44-45页 |
| §3.3 基于张量投票的二值路面影像裂缝增强 | 第45-52页 |
| ·张量投票算法 | 第45-49页 |
| ·基于张量投票的二值路面影像裂缝增强 | 第49-51页 |
| ·嵌入线性显著度的张量投票算法用于二值路面影像裂缝增强 | 第51-52页 |
| §3.4 实验与分析 | 第52-56页 |
| §3.5 本章小结 | 第56-57页 |
| 第四章 基于最小代价路径搜索的路面裂缝增强 | 第57-83页 |
| §4.1 引言 | 第57页 |
| §4.2 针对格状图的最小代价路径搜索 | 第57-66页 |
| ·F~*算法介绍 | 第57-60页 |
| ·基于多尺度F~*算法的路面裂缝跟踪 | 第60-66页 |
| §4.3 基于F~*及种子生长的路面裂缝增强 | 第66-77页 |
| ·FoS：基于F~*的种子生长算法 | 第66-69页 |
| ·基于FoS的路面裂缝增强 | 第69-77页 |
| §4.4 实验和分析 | 第77-82页 |
| ·FoS算法的效率分析 | 第77-80页 |
| ·基于FoS的裂缝增强实验 | 第80-82页 |
| §4.5 本章小结 | 第82-83页 |
| 第五章 利用目标点最小生成树的路面裂缝提取 | 第83-114页 |
| §5.1 引言 | 第83页 |
| §5.2 目标点最小生成树：T-MST | 第83-89页 |
| ·最小生成树算法介绍 | 第83-85页 |
| ·目标点最小生成树(T-MST) | 第85-89页 |
| §5.3 基于T-MST的路面裂缝提取方法 | 第89-96页 |
| ·FoSA路面裂缝提取 | 第89-93页 |
| ·CrackTree路面裂缝提取 | 第93-96页 |
| §5.4 FoSA方法实验与分析 | 第96-105页 |
| ·主要评价指标 | 第96-97页 |
| ·实验数据 | 第97页 |
| ·FoSA与其他方法的比较 | 第97-98页 |
| ·参数r对FoSA性能的影响 | 第98-105页 |
| §5.5 CrackTree方法实验与分析 | 第105-113页 |
| ·实验数据 | 第105页 |
| ·CrackTree的整体性能 | 第105-109页 |
| ·各参数对CrackTree性能的影响 | 第109-113页 |
| §5.6 本章小结 | 第113-114页 |
| 第六章 结论与展望 | 第114-117页 |
| §6.1 论文总结 | 第114-115页 |
| §6.2 主要创新点 | 第115页 |
| §6.3 研究展望 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 发表文章目录 | 第128-129页 |
| 致谢 | 第129页 |