| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第1章 绪论 | 第7-17页 |
| ·课题背景和研究意义 | 第7-8页 |
| ·国内外路面裂缝研究现状 | 第8-14页 |
| ·国内外路面裂缝提取研究现状 | 第9-11页 |
| ·国内外路面裂缝分类研究现状 | 第11-14页 |
| ·论文的主要工作及安排 | 第14-17页 |
| ·本文主要研究工作 | 第15-16页 |
| ·本文内容安排 | 第16-17页 |
| 第2章 沥青路面图像预处理 | 第17-31页 |
| ·引言 | 第17页 |
| ·路面裂缝图像去噪 | 第17-23页 |
| ·常见的路面裂缝图像去噪算法分析 | 第18-20页 |
| ·改进后的自适应中值滤波 | 第20-22页 |
| ·仿真结果分析 | 第22-23页 |
| ·路面裂缝图像灰度校正 | 第23-30页 |
| ·常见的路面灰度校正算法 | 第24-27页 |
| ·部分重叠的分块直方图均衡算法 | 第27-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第3章 基于分水岭算法的沥青路面裂缝图像提取 | 第31-46页 |
| ·引言 | 第31页 |
| ·传统分水岭算法在路面裂缝提取上的应用 | 第31-39页 |
| ·传统分水岭算法在路面裂缝提取上的不足之处 | 第39页 |
| ·改进的分水岭算法及其在路面裂缝提取上的应用 | 第39-45页 |
| ·梯度熵定义 | 第40-41页 |
| ·自适应区域合并算法 | 第41-42页 |
| ·仿真结果及分析 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第4章 改进的 BP 算法在路面分类中的应用 | 第46-66页 |
| ·引言 | 第46页 |
| ·路面裂缝特征提取 | 第46-52页 |
| ·路面裂缝线性特征 | 第48-49页 |
| ·路面裂缝分布密度特征 | 第49-51页 |
| ·路面裂缝连通域特征 | 第51-52页 |
| ·基于路面裂缝分类的 BP 神经网络结构设计 | 第52-60页 |
| ·改进的 BP 神经网络算法及其在路面裂缝分类上的应用 | 第60-65页 |
| ·复合误差函数的设计 | 第60-62页 |
| ·分层自适应调节不同的学习率 | 第62-63页 |
| ·仿真实验结果 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第5章 结论 | 第66-68页 |
| ·研究工作总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |