公路路面裂缝图像自动识别技术研究
| 第一章 绪论 | 第1-18页 |
| ·课题的来源及研究的目的 | 第8-9页 |
| ·课题的来源 | 第8页 |
| ·研究的目的 | 第8-9页 |
| ·公路路面破损简介 | 第9-13页 |
| ·公路路面破损类型 | 第9-11页 |
| ·公路路面破损分类 | 第11-12页 |
| ·路面破损状况评价指标 | 第12-13页 |
| ·公路路面裂缝自动检测发展状况 | 第13-16页 |
| ·国外研究现状及其发展 | 第13-15页 |
| ·国内研究现状及其发展 | 第15-16页 |
| ·本论文研究的内容 | 第16-17页 |
| ·论文的主要工作 | 第17-18页 |
| 第二章 公路路面裂缝检测系统与工作原理 | 第18-23页 |
| ·系统应用环境 | 第18页 |
| ·系统结构与工作原理 | 第18-20页 |
| ·系统结构 | 第18-20页 |
| ·系统工作原理 | 第20页 |
| ·系统硬件的选取 | 第20-22页 |
| ·CMOS 摄像机的选择 | 第20-22页 |
| ·图像采集卡的选择 | 第22页 |
| ·数据存储设备的选择原则 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 公路路面裂缝图像处理 | 第23-42页 |
| ·引言 | 第23-24页 |
| ·路面裂缝图像特征 | 第24-26页 |
| ·图像增强 | 第26-33页 |
| ·直方图均衡化 | 第28-29页 |
| ·中值滤波 | 第29-30页 |
| ·基于模糊理论的图像增强处理 | 第30-33页 |
| ·图像分割 | 第33-39页 |
| ·阈值分割技术原理 | 第34-35页 |
| ·迭代阈值法 | 第35-36页 |
| ·最大方差比阈值法 | 第36-39页 |
| ·二值图像噪声的消除 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于神经网络的公路路面裂缝识别 | 第42-64页 |
| ·基于数字图像处理的图像识别方法简述 | 第43-45页 |
| ·神经网络综述 | 第45-51页 |
| ·神经元结构模型 | 第45-47页 |
| ·反向传播网络 | 第47-51页 |
| ·图像特征提取 | 第51-54页 |
| ·训练样本的产生 | 第54-56页 |
| ·横向裂缝数据 | 第54-55页 |
| ·纵向裂缝数据 | 第55页 |
| ·网状裂缝数据 | 第55-56页 |
| ·块状裂缝数据 | 第56页 |
| ·无裂缝图像数据 | 第56页 |
| ·网络的训练和对实际路面的分类 | 第56-61页 |
| ·BP 神经网络结构 | 第56-58页 |
| ·BP 网络算法实现 | 第58-59页 |
| ·BP 网络的训练以及对实际路面的分类 | 第59-61页 |
| ·结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 实验研究 | 第64-71页 |
| ·实验装置介绍 | 第64-65页 |
| ·图像标定 | 第65-67页 |
| ·实验结果分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 全文总结 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 硕士研究生就读期间所发表的论文 | 第78-79页 |
| 致谢 | 第79-80页 |
| 摘要 | 第80-82页 |
| Abstract | 第82-85页 |
