桥梁裂缝检测中图像识别处理与测量技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 裂缝产生原因及分类 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.4 研究意义和难点 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-20页 |
| 2 图像视频采集系统硬件 | 第20-23页 |
| 2.1 图像视频采集系统硬件构成 | 第20-22页 |
| 2.2 图像采集系统与分析系统关系 | 第22-23页 |
| 3 图像的预处理及裂缝提取 | 第23-37页 |
| 3.1 数字图像处理技术 | 第23-24页 |
| 3.2 图像预处理流程 | 第24-25页 |
| 3.3 图像灰度化 | 第25-26页 |
| 3.4 图像滤波 | 第26-28页 |
| 3.4.1 均值滤波 | 第26-27页 |
| 3.4.2 中值滤波 | 第27-28页 |
| 3.5 图像增强 | 第28-30页 |
| 3.5.1 对数变换与指数变换 | 第29页 |
| 3.5.2 分段线性变换 | 第29-30页 |
| 3.6 图像二值化分割 | 第30-33页 |
| 3.7 图像锐化 | 第33-35页 |
| 3.8 干扰点削减 | 第35-37页 |
| 4 图像视频裂缝识别 | 第37-50页 |
| 4.1 图像裂缝识别 | 第37-42页 |
| 4.1.1 二值图像的轮廓跟踪 | 第37-39页 |
| 4.1.2 轮廓筛选与裂缝标注 | 第39-42页 |
| 4.2 裂缝分类 | 第42-44页 |
| 4.3 视频裂缝识别 | 第44-45页 |
| 4.4 最小可识别裂缝及裂缝识别实验 | 第45-48页 |
| 4.4.1 最小可识别裂缝 | 第45页 |
| 4.4.2 裂缝识别实验 | 第45-48页 |
| 4.5 复杂裂缝识别研究 | 第48-50页 |
| 5 基于区域选定的裂缝半自动尺寸测量及手动测量 | 第50-58页 |
| 5.1 基于区域选定的裂缝半自动测量 | 第51-55页 |
| 5.1.1 区域选定 | 第51-52页 |
| 5.1.2 图像腐蚀 | 第52页 |
| 5.1.3 最大宽度计算及实验 | 第52-53页 |
| 5.1.4 图像的细化及改进 | 第53-55页 |
| 5.1.5 图像裂缝长度计算及实验 | 第55页 |
| 5.2 手动测量 | 第55-58页 |
| 5.2.1 图片测量 | 第56-57页 |
| 5.2.2 实际测量 | 第57-58页 |
| 6 裂缝识别与测量软件开发 | 第58-68页 |
| 6.1 系统功能需求分析 | 第58-59页 |
| 6.2 软件开发平台及流程 | 第59-60页 |
| 6.3 软件功能介绍 | 第60-65页 |
| 6.3.1 界面及图片视频读取 | 第62-63页 |
| 6.3.2 裂缝识别(图片、视频) | 第63-64页 |
| 6.3.3 裂缝测量(半自动、手动) | 第64-65页 |
| 6.4 数据库功能 | 第65-68页 |
| 6.4.1 数据库设计及构架 | 第65-66页 |
| 6.4.2 数据库界面及操作 | 第66-68页 |
| 7 总结与展望 | 第68-70页 |
| 7.1 全文总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 附录A | 第72-73页 |
| 附录B | 第73-74页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第74-76页 |
| 学位论文数据集 | 第76页 |
