利用图像处理技术的隧道裂缝检测方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 论文的研究背景与意义 | 第13-14页 |
| 1.2 裂缝检测的研究现状和发展趋势 | 第14-19页 |
| 1.2.1 裂缝检测的主要方法 | 第14-15页 |
| 1.2.2 国内外实际应用现状与发展趋势 | 第15-17页 |
| 1.2.3 国内外理论研究现状与发展趋势 | 第17-19页 |
| 1.3 论文主要内容与组织结构 | 第19-21页 |
| 第2章 裂缝图像的预处理算法设计 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 隧道裂缝图像的特点与分类 | 第21-22页 |
| 2.3 图像的灰度变换 | 第22-25页 |
| 2.3.1 限幅线性拉伸 | 第23页 |
| 2.3.2 指数拉伸和对数拉伸 | 第23-24页 |
| 2.3.3 基于直方图均衡化的灰度校正 | 第24-25页 |
| 2.4 基于小波变换的图像滤波增强 | 第25-32页 |
| 2.4.1 传统滤波增强算法概述 | 第25-27页 |
| 2.4.2 小波变换 | 第27-29页 |
| 2.4.3 小波变换在图像处理中的应用 | 第29-31页 |
| 2.4.4 基于小波变换的图像滤波增强 | 第31-32页 |
| 2.5 实验结果与分析 | 第32-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 裂缝图像的分割算法设计 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 基于边缘分割法 | 第37-41页 |
| 3.2.1 常用边缘检测算子 | 第38-40页 |
| 3.2.2 不同边缘检测算子的效果分析 | 第40-41页 |
| 3.3 基于阈值分割法 | 第41-44页 |
| 3.3.1 图像阈值分割原理 | 第41-42页 |
| 3.3.2 基于最大类间方差法的阈值分割算法 | 第42-44页 |
| 3.4 裂缝连接 | 第44-47页 |
| 3.4.1 基于种子点生长的裂缝连接 | 第44-46页 |
| 3.4.2 基于连通域的裂缝连接 | 第46-47页 |
| 3.5 实验结果与分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 裂缝图像特征提取与分类识别算法设计 | 第51-75页 |
| 4.1 引言 | 第51页 |
| 4.2 裂缝标注 | 第51-52页 |
| 4.3 裂缝特征提取 | 第52-56页 |
| 4.3.1 裂缝像素总数 | 第52-53页 |
| 4.3.2 裂缝最小外接矩形的长宽比 | 第53页 |
| 4.3.3 裂缝投影特征 | 第53-56页 |
| 4.4 基于BP神经网络的裂缝分类识别 | 第56-66页 |
| 4.4.1 人工神经网络概述 | 第56-59页 |
| 4.4.2 BP神经网络分类原理 | 第59-63页 |
| 4.4.3 BP神经网络结构参数设置及算法流程 | 第63-66页 |
| 4.5 裂缝几何特征值的计算 | 第66-68页 |
| 4.5.1 不规则裂缝面积的计算 | 第66-67页 |
| 4.5.2 规则裂缝长度与宽度的计算 | 第67-68页 |
| 4.6 实验结果与分析 | 第68-73页 |
| 4.7 本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 论文工作总结 | 第75-76页 |
| 5.2 论文研究展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的学术论文及学术成果 | 第81-83页 |
| 致谢 | 第83页 |
