路面病害图像自动分类方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·研究工作的内容 | 第9-10页 |
| ·本文的内容安排 | 第10-11页 |
| 2 现有的路面病害图像分类方法分析 | 第11-24页 |
| ·路面常见病害简介 | 第11-13页 |
| ·几种特征提取算法简介 | 第13-19页 |
| ·路面图像的子块化算法 | 第14-16页 |
| ·Proximity算法 | 第16-17页 |
| ·破损密度因子 | 第17-18页 |
| ·不变矩特征 | 第18-19页 |
| ·路面病害常用分类方法简介 | 第19-23页 |
| ·用于裂缝识别的BP网络分类器 | 第20-23页 |
| ·BP网络的不足和改进 | 第23页 |
| ·小结 | 第23-24页 |
| 3 基于小波变换多分辨率分析的图像纹理特征提取 | 第24-38页 |
| ·图像的多分辨率分析(MRA)方法 | 第24-25页 |
| ·图像的小波变换分析方法 | 第25-29页 |
| ·小波变换的基本概念 | 第26-27页 |
| ·快速小波变换算法 | 第27-28页 |
| ·图像的树形小波分解 | 第28-29页 |
| ·基于非完全树形小波分解的特征提取算法 | 第29-37页 |
| ·特征提取方法和算法流程 | 第29-31页 |
| ·特征提取结果及分析 | 第31-37页 |
| ·小结 | 第37-38页 |
| 4 路面病害图像分类方法 | 第38-55页 |
| ·支持向量机的分类机理 | 第38-43页 |
| ·最优分类面 | 第38-40页 |
| ·广义最优分类面 | 第40-41页 |
| ·高维空间的最优分类面 | 第41-43页 |
| ·SVM分类算法简介 | 第43-44页 |
| ·分类实验结果分析 | 第44-54页 |
| ·基于不同核函数的分类实验 | 第46-50页 |
| ·径向基函数分类结果分析 | 第50-51页 |
| ·三种特征提取方法对比实验 | 第51-53页 |
| ·SVM小样本性能分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 5 分布式检测系统 | 第55-62页 |
| ·总体检测方案 | 第55-56页 |
| ·服务器和客户机的运行流程 | 第56-58页 |
| ·服务器的运行流程 | 第56-57页 |
| ·客户机的运行流程 | 第57-58页 |
| ·协议设计 | 第58-60页 |
| ·控制报文设计 | 第58-59页 |
| ·数据报文设计 | 第59-60页 |
| ·鲁棒性能分析 | 第60-61页 |
| ·小结 | 第61-62页 |
| 6 总结 | 第62-64页 |
| ·本文的研究成果 | 第62页 |
| ·本文的不足 | 第62-63页 |
| ·进一步研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
