基于图像分析的路面裂缝检测方法与识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·裂缝图像增强方法国内外研究现状 | 第9页 |
| ·裂缝图像分割国内外研究现状 | 第9-10页 |
| ·裂缝分类国内外研究现状 | 第10-11页 |
| ·本文研究内容与工作安排 | 第11-13页 |
| 第二章 路面裂缝图像增强方法研究 | 第13-26页 |
| ·传统中值滤波算法 | 第13-14页 |
| ·改进中值滤波算法 | 第14-15页 |
| ·基于小波变换的阈值滤波去噪算法 | 第15-17页 |
| ·小波变换基础 | 第15-16页 |
| ·阈值处理 | 第16-17页 |
| ·混合去噪方法 | 第17-18页 |
| ·去噪测试结果与客观评价 | 第18-20页 |
| ·路面裂缝图像光照不均匀情况处理方法 | 第20-25页 |
| ·路面裂缝图像成像模型 | 第20-21页 |
| ·同态滤波方法 | 第21-22页 |
| ·本文抑制裂缝图像光照不均匀方法 | 第22-24页 |
| ·两种方法主观评价和客观评价 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 路面裂缝目标提取方法研究 | 第26-43页 |
| ·常用路面裂缝边缘检测方法 | 第27-31页 |
| ·Sobel算子 | 第27页 |
| ·LoG算子 | 第27-28页 |
| ·自适应阈值Canny算子 | 第28-29页 |
| ·边缘检测算子实验结果与对比分析 | 第29-31页 |
| ·基于阈值分割的路面裂缝目标提取方法 | 第31-34页 |
| ·最大类间方差算法 | 第32页 |
| ·OTSU实验结果与分析 | 第32-34页 |
| ·灰度形态学在路面裂缝目标提取中的应用 | 第34-37页 |
| ·灰度形态学基本概念 | 第34-35页 |
| ·抗噪型多结构元素形态学边缘提取算法 | 第35-36页 |
| ·灰度形态学边缘提取实验结果 | 第36-37页 |
| ·本文方法 | 第37-41页 |
| ·本文方法实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 路面裂缝类型与目标特征提取 | 第43-53页 |
| ·路面裂缝类型概述 | 第43-45页 |
| ·裂缝图像规范化 | 第45-46页 |
| ·尺寸标准化 | 第45-46页 |
| ·形态学细化 | 第46页 |
| ·基于投影变换和统计破损程度的特征向量 | 第46-49页 |
| ·裂缝分布密度特征向量 | 第49-50页 |
| ·改进裂缝分布密度特征向量 | 第50-52页 |
| ·融合特征向量 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 路面裂缝分类的实现 | 第53-63页 |
| ·神经网络概述 | 第53-56页 |
| ·BP神经网络的设计与改进 | 第56-58页 |
| ·BP神经网络的训练 | 第58-60页 |
| ·测试结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录2 攻读硕士期间参与的科研项目与学术竞赛 | 第69-70页 |
| 致谢 | 第70页 |
