| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题的提出 | 第11页 |
| 1.2 课题研究的意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 无人飞机发展概述 | 第13-14页 |
| 1.3.2 无人飞机在土木工程检测的应用研究 | 第14-16页 |
| 1.3.3 裂缝图像识别研究动态 | 第16-18页 |
| 1.4 本文的主要研究内容 | 第18-21页 |
| 1.4.1 像素解析度修正与图像预处理 | 第19页 |
| 1.4.2 桥梁裂缝图像的形状提取与宽度计算 | 第19-21页 |
| 第二章 无人飞机成像像素解析度获取与图像预处理 | 第21-37页 |
| 2.1 概述 | 第21页 |
| 2.2 像素解析度获取 | 第21-27页 |
| 2.2.1 三点激光测距平均物距计算 | 第23-24页 |
| 2.2.2 三点激光测距修正斜平面角度 | 第24-25页 |
| 2.2.3 像素解析度计算 | 第25-27页 |
| 2.3 三点激光器开发 | 第27-28页 |
| 2.3.1 Pro e建 模 3D打 印制作三点激光器外壳 | 第27-28页 |
| 2.3.2 云台集成三点激光器 | 第28页 |
| 2.4 无人飞机成像数字图像预处理 | 第28-36页 |
| 2.4.1 无人飞机成像特点 | 第29-30页 |
| 2.4.2 数字图像技术概述 | 第30-31页 |
| 2.4.3 桥梁裂缝形状宽度识别处理程序框图 | 第31页 |
| 2.4.4 图像灰度化 | 第31-32页 |
| 2.4.5 图像对比度增强算法 | 第32-36页 |
| 2.4.5.1 图像锐化中值滤波算法 | 第33-34页 |
| 2.4.5.2 基于高低帽变换的滤波增强算法 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于无人飞机成像桥梁裂缝图像形状提取宽度识别算法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 边缘检测 | 第37-43页 |
| 3.2.1 一阶微分算子 | 第38-39页 |
| 3.2.2 二阶微分算子边缘检测 | 第39-41页 |
| 3.2.3 与0tsu（大津阈值算法）结合的canny算子 | 第41-43页 |
| 3.3 各个算子对桥梁裂缝图像检测效果对比 | 第43页 |
| 3.4 裂缝图像形态学筛选 | 第43-44页 |
| 3.5 基于无人飞机成像的桥梁裂缝宽度识别 | 第44-46页 |
| 3.5.1 裂缝宽度识别特点 | 第45-46页 |
| 3.5.2 裂缝宽度数字图像识别原理 | 第46页 |
| 3.6 桥梁裂缝宽度识别算法 | 第46-50页 |
| 3.6.1 基于两点间距离的裂缝宽度计算 | 第46-48页 |
| 3.6.2 基于最小二乘法拟合中心线的裂缝宽度识别 | 第48-49页 |
| 3.6.3 宽度像素数识别算法效果比较 | 第49-50页 |
| 3.7 几种特殊情况的考虑 | 第50-54页 |
| 3.7.1 区域内相邻多条裂缝识别 | 第50-52页 |
| 3.7.2 区域内相邻垂直裂缝识别 | 第52-53页 |
| 3.7.3 区域内交叉裂缝识别 | 第53-54页 |
| 3.8 本章小结 | 第54-55页 |
| 第四章 基于无人机机载成像桥梁裂缝形状和宽度实验与比对 | 第55-63页 |
| 4.1 引言 | 第55页 |
| 4.2 实验方案 | 第55-57页 |
| 4.2.1 实验设备 | 第55-56页 |
| 4.2.2 实验场地 | 第56-57页 |
| 4.3 实验步骤 | 第57-58页 |
| 4.4 实验结果分析 | 第58-61页 |
| 4.4.1 裂缝图像处理 | 第58-60页 |
| 4.4.2 裂缝图像分析计算 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与建议 | 第63-65页 |
| 5.1 本文总结 | 第63页 |
| 5.2 后续研究工作建议 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 附录A | 第73页 |
