高速铁路桥梁底面裂缝的视频检测系统研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-25页 |
| ·研究背景 | 第11-12页 |
| ·混凝土桥梁裂缝的基本认识 | 第12-15页 |
| ·桥梁裂缝检测技术的现状 | 第15-18页 |
| ·基于图像处理技术的桥梁裂缝检测的现状 | 第18-22页 |
| ·本课题的难点及研究意义 | 第22页 |
| ·本文的内容安排 | 第22-25页 |
| 2 裂缝检测系统设计 | 第25-35页 |
| ·系统结构与工作原理 | 第25-27页 |
| ·系统硬件选择 | 第27-29页 |
| ·摄像头的选择 | 第27-28页 |
| ·采集卡的选择 | 第28-29页 |
| ·其他附件的选择 | 第29页 |
| ·视频图像的采集与标定 | 第29-33页 |
| ·采集软件开发 | 第29-31页 |
| ·视频图像的标定 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 3 裂缝图像预处理模块设计 | 第35-55页 |
| ·裂缝图像的提取 | 第35-37页 |
| ·图像预检测 | 第37-44页 |
| ·图像灰度化 | 第37-38页 |
| ·图像分块 | 第38页 |
| ·图像识别 | 第38-44页 |
| ·图像预处理 | 第44-54页 |
| ·基于空域的图像滤波 | 第44-46页 |
| ·小波变换的基础理论概述 | 第46-49页 |
| ·基于小波变换的图像滤波处理 | 第49-52页 |
| ·直方图均衡化 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 4 裂缝图像处理模块设计 | 第55-75页 |
| ·边缘检测 | 第55-59页 |
| ·基于一阶微分的边缘检测算子 | 第55-56页 |
| ·基于二阶微分的边缘检测算子 | 第56-57页 |
| ·Canny边缘检测算子 | 第57-58页 |
| ·边缘检测算子结果对比分析 | 第58-59页 |
| ·阈值分割 | 第59-61页 |
| ·形态学处理与孤立点去除 | 第61-64页 |
| ·形态学处理 | 第61-63页 |
| ·孤立点去除 | 第63-64页 |
| ·特征提取 | 第64-67页 |
| ·区域标记 | 第64-65页 |
| ·区域面积A | 第65页 |
| ·边界周长P | 第65-66页 |
| ·外接矩形长RL和宽RW | 第66页 |
| ·矩形度R | 第66-67页 |
| ·圆形度C | 第67页 |
| ·裂缝识别 | 第67-69页 |
| ·片段连接与特征测量 | 第69-73页 |
| ·裂缝片段连接 | 第69-71页 |
| ·裂缝特征测量 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 5 基于BP神经网络的裂缝类型识别模块设计 | 第75-93页 |
| ·BP神经网络综述 | 第75-79页 |
| ·BP神经元模型 | 第76-77页 |
| ·三层BP网络结构 | 第77-79页 |
| ·图像特征选取 | 第79-85页 |
| ·投影特征 | 第80-85页 |
| ·裂缝像索数 | 第85页 |
| ·裂缝识别BP神经网络的建立 | 第85-86页 |
| ·BP网络训练样本的产生 | 第86-88页 |
| ·无裂缝样本 | 第86页 |
| ·横向裂缝样本 | 第86-87页 |
| ·纵向裂缝样本 | 第87页 |
| ·斜45°裂缝样本 | 第87-88页 |
| ·斜135°裂缝样本 | 第88页 |
| ·网状裂缝样本 | 第88页 |
| ·BP神经网络的训练以及对实际图像的分类 | 第88-92页 |
| ·本章小结 | 第92-93页 |
| 6 裂缝检测软件开发 | 第93-101页 |
| ·软件开发环境简介 | 第93页 |
| ·检测软件结构设计 | 第93-97页 |
| ·裂缝的检测流程 | 第94页 |
| ·视频检测软件的功能介绍 | 第94-97页 |
| ·Access数据库模块的设计 | 第97-98页 |
| ·实验分析 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 7 总结与展望 | 第101-103页 |
| ·总结 | 第101-102页 |
| ·展望 | 第102-103页 |
| 参考文献 | 第103-107页 |
| 附录A | 第107-109页 |
| 附录B | 第109-117页 |
| 作者简历 | 第117-121页 |
| 学位论文数据集 | 第121页 |
