| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 隧道病害检测的发展现状 | 第13-16页 |
| 1.2.1 国外发展状况 | 第13-14页 |
| 1.2.2 国内发展状况 | 第14-16页 |
| 1.3 隧道病害检测遇到的问题 | 第16-17页 |
| 1.4 本文主要研究工作 | 第17页 |
| 1.5 论文内容安排 | 第17-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 隧道病害及病害成因分析 | 第20-23页 |
| 2.1 引言 | 第20页 |
| 2.2 渗漏水 | 第20页 |
| 2.3 裂缝 | 第20-21页 |
| 2.4 裂纹 | 第21-22页 |
| 2.5 衬砌脱落 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 隧道病害检测系统设计 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 基于ODVS的隧道病害检测装置构成 | 第23-28页 |
| 3.2.1 ODVS | 第24-26页 |
| 3.2.2 照明光源 | 第26-27页 |
| 3.2.3 隧道检测车 | 第27-28页 |
| 3.2.4 工控机及远程计算机 | 第28页 |
| 3.3 基于ODVS的隧道病害检测系统软件设计 | 第28-30页 |
| 3.3.1 隧道全景图像读取及全景图像展开 | 第29页 |
| 3.3.2 隧道疑似病害图像预处理 | 第29页 |
| 3.3.3 隧道疑似病害的提取 | 第29页 |
| 3.3.4 隧道病害分类识别 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 病害图像的处理和分析 | 第31-46页 |
| 4.1 引言 | 第31页 |
| 4.2 全景图像柱状展开 | 第31-32页 |
| 4.3 隧道疑似病害图像预处理 | 第32-39页 |
| 4.3.1 直方图均衡化 | 第34-37页 |
| 4.3.2 中值滤波 | 第37-38页 |
| 4.3.3 数学形态学 | 第38-39页 |
| 4.4 图像分割 | 第39-42页 |
| 4.5 隧道病害量化指标 | 第42-44页 |
| 4.6 实验研究 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 基于CNN的病害图像自动识别 | 第46-67页 |
| 5.1 引言 | 第46页 |
| 5.2 BP神经网络 | 第46-51页 |
| 5.2.1 前向传播计算 | 第47-48页 |
| 5.2.2 反向残差传播 | 第48-49页 |
| 5.2.3 对输出层与隐含层的权值矩阵W的调整 | 第49-50页 |
| 5.2.4 对输入层与隐含层之间的权值矩阵V的调整 | 第50-51页 |
| 5.3 卷积神经网络 | 第51-60页 |
| 5.3.1 卷积神经网络的特性 | 第51-52页 |
| 5.3.2 卷积计算 | 第52页 |
| 5.3.3 卷积神经网络的拓扑结构 | 第52-54页 |
| 5.3.4 前向过程 | 第54-55页 |
| 5.3.5 反向过程 | 第55-57页 |
| 5.3.6 CNN的网络架构 | 第57-60页 |
| 5.4 针对隧道病害图像的数据自动扩充方法 | 第60-62页 |
| 5.5 实验结果分析 | 第62-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第6章 隧道病害检测系统实现 | 第67-72页 |
| 6.1 引言 | 第67页 |
| 6.2 系统环境及相关技术 | 第67-68页 |
| 6.3 主要模块实现 | 第68-71页 |
| 6.3.1 图像处理模块 | 第68-70页 |
| 6.3.2 卷积神经网络模块 | 第70-71页 |
| 6.4 隧道病害检测系统界面介绍 | 第71-72页 |
| 第7章 总结与展望 | 第72-74页 |
| 7.1 本文主要工作总结 | 第72页 |
| 7.2 未来工作展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间参加的项目和成果 | 第81-82页 |