基于无人机视频的桥梁裂缝识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.3 论文主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 无人机桥梁检测方案 | 第19-24页 |
| 2.1 无人机的型号、配置与详细的飞行性能参数 | 第19页 |
| 2.2 研究对象的选择 | 第19-20页 |
| 2.3 相机的标定 | 第20-21页 |
| 2.4 裂缝位置信息的确定 | 第21-22页 |
| 2.5 无人机飞行航迹的规划 | 第22页 |
| 2.6 无人机图片获取方法 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 无人机图像预处理 | 第24-33页 |
| 3.1 桥梁底面裂缝的图像特征 | 第24-25页 |
| 3.2 图像灰度化 | 第25页 |
| 3.3 图像的灰度校正 | 第25-27页 |
| 3.3.1 线性变换 | 第26页 |
| 3.3.2 非线性变换 | 第26-27页 |
| 3.4 直方图修正 | 第27-28页 |
| 3.4.1 直方图的概念 | 第27页 |
| 3.4.2 直方图均衡化 | 第27-28页 |
| 3.5 图像的滤波去噪 | 第28-32页 |
| 3.5.1 桥梁裂缝图像的噪声模型 | 第28-29页 |
| 3.5.2 均值滤波 | 第29-30页 |
| 3.5.3 中值滤波 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 无人机图像的裂缝分割算法 | 第33-47页 |
| 4.1 图像分割的定义和方法 | 第33-34页 |
| 4.2 基于阈值的分割算法 | 第34-37页 |
| 4.2.1 迭代法求最佳阈值 | 第34-35页 |
| 4.2.2 大津法 | 第35-36页 |
| 4.2.3 自适应阈值 | 第36-37页 |
| 4.3 边缘分割 | 第37-42页 |
| 4.3.1 三种常见的边缘检测算子 | 第37-40页 |
| 4.3.2 基于八方向的Sobel算子 | 第40-42页 |
| 4.4 形态学处理 | 第42-45页 |
| 4.4.1 腐蚀 | 第42-44页 |
| 4.4.2 膨胀 | 第44页 |
| 4.4.3 形态学开运算 | 第44页 |
| 4.4.4 形态学闭运算 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 基于无人机视觉的桥梁裂缝识别 | 第47-65页 |
| 5.1 裂缝的分类及其特点 | 第47-48页 |
| 5.2 裂缝的几何特征的计算 | 第48-54页 |
| 5.3 投影法 | 第54-58页 |
| 5.4 BP神经网络 | 第58-61页 |
| 5.5 建立BP神经网络 | 第61-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 1、结论 | 第65页 |
| 2、不足 | 第65-66页 |
| 3、展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
