| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景 | 第8-10页 |
| 1.1.1 跨座式轨道交通简介 | 第8-10页 |
| 1.1.2 研究的目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 检测方法介绍 | 第11页 |
| 1.2.2 检测系统的国内外发展现状 | 第11-15页 |
| 1.3 本文的内容安排 | 第15-16页 |
| 2 基于图像分析的梁面裂纹检测系统研究 | 第16-28页 |
| 2.1 裂纹病害分类及特征分析 | 第16-17页 |
| 2.2 系统的工作原理和总体结构 | 第17-18页 |
| 2.2.1 系统的工作原理 | 第17-18页 |
| 2.2.2 系统的整体结构 | 第18页 |
| 2.3 裂纹检测系统的硬件构成 | 第18-25页 |
| 2.4 裂纹检测系统的软件部分 | 第25-28页 |
| 3 基于小波分析与模糊理论的图像预处理 | 第28-42页 |
| 3.1 图像预处理概述 | 第28-31页 |
| 3.1.1 图像噪声分类 | 第28页 |
| 3.1.2 图像预处理方法研究 | 第28-31页 |
| 3.2 基于小波变换和模糊理论的图像增强 | 第31-38页 |
| 3.2.1 小波变换 | 第31-34页 |
| 3.2.2 模糊理论的图像增强处理 | 第34-36页 |
| 3.2.3 算法流程 | 第36-38页 |
| 3.3 实验结果及分析 | 第38-39页 |
| 3.3.1 降噪效果的评估方法 | 第38页 |
| 3.3.2 实验结果 | 第38-39页 |
| 3.4 本章小结 | 第39-42页 |
| 4 梁面裂纹图像的分割提取算法研究 | 第42-56页 |
| 4.1 引言 | 第42-43页 |
| 4.2 边缘检测分割提取算法 | 第43-46页 |
| 4.3 基于最大类间方差遗传算法的图像分割 | 第46-53页 |
| 4.3.1 最大类间方差分割法 | 第46-48页 |
| 4.3.2 遗传算法原理及特点 | 第48-49页 |
| 4.3.3 基于改进最大类间方差遗传算法的梁面图像分割 | 第49-50页 |
| 4.3.4 实验结果及分析 | 第50-53页 |
| 4.4 伪裂纹的消除 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 5 梁面裂纹检测与识别 | 第56-64页 |
| 5.1 模式识别理论基础 | 第56页 |
| 5.2 裂纹特征的提取 | 第56-59页 |
| 5.2.1 裂纹特征的选择 | 第56-58页 |
| 5.2.2 裂纹特征的测量结果 | 第58-59页 |
| 5.3 BP 神经网络设计 | 第59-61页 |
| 5.3.1 人工神经网络 | 第59-60页 |
| 5.3.2 BP 网络的建立 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 本文结论 | 第64页 |
| 6.2 项目的展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
| 作者在攻读硕士学位期间发表的论文目录 | 第72页 |