| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 公路裂缝检测技术的国内外现状 | 第11-14页 |
| 1.2.1 公路路面裂缝影像的预处理技术 | 第12页 |
| 1.2.2 公路路面裂缝目标分割的算法 | 第12-14页 |
| 1.2.3 公路路面裂缝类型的分类算法 | 第14页 |
| 1.3 目前存在的问题 | 第14-15页 |
| 1.4 论文主要的研究内容 | 第15-16页 |
| 1.5 论文组织结构 | 第16-19页 |
| 第二章 相关工作 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 图像的语义分割 | 第19-27页 |
| 2.2.1 图像分割技术的概述 | 第19页 |
| 2.2.2 图像分割主流的算法 | 第19-20页 |
| 2.2.3 图像语义分割技术 | 第20-27页 |
| 2.3 卷积神经网络 | 第27-31页 |
| 2.3.1 卷积神经网络的简述 | 第27-29页 |
| 2.3.2 卷积神经网络的基本结构和特性 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于自适应亮度高程模型的路面阴影消除算法 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 阴影消除算法的研究现状 | 第33-34页 |
| 3.3 GSR:基于亮度高程模型的阴影消除算法 | 第34-36页 |
| 3.3.1 路面阴影特点的分析 | 第34-35页 |
| 3.3.2 GSR:基于亮度高程的阴影消除算法 | 第35-36页 |
| 3.4 SGRSR:自适应亮度高程模型的路面阴影消除算法 | 第36-40页 |
| 3.4.1 GSR算法缺陷的分析及改进 | 第36-40页 |
| 3.5 SGRSR算法 | 第40-41页 |
| 3.6 实验结果与分析 | 第41-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第四章 基于FCN复杂背景下的路面裂缝检测和分割算法 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 数据集的构建 | 第47-52页 |
| 4.2.1 路面裂缝图像数据集的采集 | 第47-49页 |
| 4.2.2 路面裂缝图像数据集的预处理 | 第49-52页 |
| 4.3 基于Alexent网络的FCN模型的构建 | 第52-54页 |
| 4.4 本节实验结果的分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 路面损伤程度的量化和评价算法研究 | 第59-63页 |
| 5.1 引言 | 第59页 |
| 5.2 路面损伤程度的等级划分 | 第59-60页 |
| 5.3 路面损伤程度的量化和评价算法 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63页 |
| 6.2 未来工作的展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士期间研究成果 | 第73页 |