| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 公路桥梁裂缝成因及危害 | 第12-14页 |
| 1.1.2 传统桥梁裂缝检测方法及缺点 | 第14页 |
| 1.2 本文研究意义 | 第14-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.3.1 国内研究现状 | 第16-17页 |
| 1.3.2 国外研究现状 | 第17-18页 |
| 1.3.3 存在的问题 | 第18页 |
| 1.4 研究难点 | 第18-19页 |
| 1.5 论文结构 | 第19-21页 |
| 第2章 爬壁机器人的图像采集系统 | 第21-29页 |
| 2.1 足式壁面攀爬机器人的设计 | 第21-22页 |
| 2.2 图像采集装置及裂缝分类 | 第22-24页 |
| 2.3 公路桥梁裂缝图像的特点分析 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 裂缝图像的运动模糊复原 | 第29-43页 |
| 3.1 图像运动模糊介绍 | 第30-35页 |
| 3.1.1 图像模糊模型 | 第30-31页 |
| 3.1.2 图像复原数学模型 | 第31-33页 |
| 3.1.3 运动模糊角度估计方法 | 第33-34页 |
| 3.1.4 运动模糊尺度估计方法 | 第34-35页 |
| 3.2 图像复原方法 | 第35-37页 |
| 3.2.1 逆滤波 | 第35-36页 |
| 3.2.2 维纳滤波 | 第36页 |
| 3.2.3 约束最小二乘方滤波 | 第36-37页 |
| 3.3 图像复原的度量 | 第37-42页 |
| 3.3.1 峰值信噪比 | 第37-38页 |
| 3.3.2 灰度平均梯度 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 裂缝检测方法 | 第43-59页 |
| 4.1 基于小波变换的图像粗分割 | 第43-47页 |
| 4.1.1 小波变换 | 第43-44页 |
| 4.1.2 Otsu分割和迭代阈值分割 | 第44-46页 |
| 4.1.3 Canny、Sobel和Prewitt边缘检测 | 第46-47页 |
| 4.2 裂缝目标分割 | 第47-50页 |
| 4.2.1 二值图像形态学分析 | 第47-49页 |
| 4.2.2 面形态学方法 | 第49-50页 |
| 4.3 裂缝连接 | 第50-58页 |
| 4.3.1 基于KD树的裂缝连接 | 第50-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 裂缝目标分类 | 第59-73页 |
| 5.1 BP神经网络 | 第59-61页 |
| 5.2 投影法 | 第61-63页 |
| 5.3 支持向量机 | 第63-64页 |
| 5.4 目标特征的量度 | 第64-67页 |
| 5.4.1 目标区域的统计特征 | 第64-65页 |
| 5.4.2 目标区域的几何特征 | 第65-67页 |
| 5.5 基于SVM的裂缝目标分类 | 第67-71页 |
| 5.5.1 SVM决策树算法 | 第67-69页 |
| 5.5.2 采用SVW决策树对裂缝图像分类 | 第69-71页 |
| 5.6 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录 论文中部分Matlab程序 | 第79-87页 |
| 致谢 | 第87-89页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第89页 |