公路路面裂缝检测与识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外路面裂缝提取算法的研究现状 | 第11-13页 |
| 1.3 路面裂缝提取算法所面对的现实问题 | 第13页 |
| 1.4 本文的研究内容及安排 | 第13-16页 |
| 1.4.1 本文的研究内容 | 第13-15页 |
| 1.4.2 本文的内容安排 | 第15-16页 |
| 第2章 路面裂缝图像预处理 | 第16-32页 |
| 2.1 路面裂缝图像的特征 | 第16-17页 |
| 2.2 图像的增强处理 | 第17-31页 |
| 2.2.1 图像质量评价标准 | 第17-18页 |
| 2.2.2 常用的滤波处理算法 | 第18-21页 |
| 2.2.3 改进的中值滤波算法 | 第21-26页 |
| 2.2.4 基于区域对比度特征的图像增强算法 | 第26-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 路面裂缝图像分割处理 | 第32-47页 |
| 3.1 基于边缘的分割方法 | 第32-35页 |
| 3.2 基于区域的分割方法 | 第35页 |
| 3.3 基于阂值的分割方法 | 第35-40页 |
| 3.3.1 最大类间方差分割法 | 第36-38页 |
| 3.3.2 最大熵分割法 | 第38-40页 |
| 3.4 基于子块的图像差分二值化 | 第40-45页 |
| 3.4.1 相位差分边缘检测原理 | 第40-41页 |
| 3.4.2 基于子块的图像差分二值化 | 第41-43页 |
| 3.4.3 算法实验结果 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 路面裂缝图像形态学处理 | 第47-54页 |
| 4.1 形态学的开运算和闭运算 | 第47-48页 |
| 4.1.1 膨胀和腐蚀 | 第47页 |
| 4.1.2 开运算和闭运算 | 第47-48页 |
| 4.2 连通域几何特征去噪 | 第48-51页 |
| 4.3 裂缝骨架提取 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 裂缝识别分类与参数计算 | 第54-69页 |
| 5.1 裂缝的类型及衡量标准 | 第54-56页 |
| 5.1.1 裂缝的分类及产生原因 | 第54页 |
| 5.1.2 裂缝的衡量标准 | 第54-56页 |
| 5.2 图像特征提取 | 第56-58页 |
| 5.2.1 裂缝的投影特征 | 第56-58页 |
| 5.2.2 裂缝的像素数 | 第58页 |
| 5.3 神经网络概述 | 第58-61页 |
| 5.3.1 模式识别理论基础 | 第58-59页 |
| 5.3.2 神经网络理论基础 | 第59-61页 |
| 5.4 神经网络的训练和测试 | 第61-67页 |
| 5.4.1 BP神经网络 | 第61-63页 |
| 5.4.2 根据提取特征建立BP神经网络 | 第63-65页 |
| 5.4.3 BP网络的训练以及对实际路面的分类 | 第65-67页 |
| 5.5 裂缝参数计算结果 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 全文工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
