基于图像处理的桥梁底面裂缝检测识别方法研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第13-29页 |
| 1.1 研究背景 | 第13-19页 |
| 1.1.1 混凝土桥梁裂缝的基本介绍 | 第15-17页 |
| 1.1.2 传统桥梁裂缝检测方法及不足 | 第17-19页 |
| 1.2 研究意义 | 第19-20页 |
| 1.3 国内外研究现状 | 第20-25页 |
| 1.3.1 国内研究现状 | 第21-22页 |
| 1.3.2 国外研究现状 | 第22-24页 |
| 1.3.3 存在的问题 | 第24-25页 |
| 1.4 本课题的研究难点 | 第25页 |
| 1.5 研究内容和技术路线 | 第25-29页 |
| 2 桥梁底面裂缝图像视频采集系统设计 | 第29-41页 |
| 2.1 系统结构与工作原理 | 第29-32页 |
| 2.2 系统硬件选择 | 第32-34页 |
| 2.2.1 摄像头的选择 | 第33-34页 |
| 2.2.2 图像采集卡的选择 | 第34页 |
| 2.3 图像采集过程及图像特点分析 | 第34-36页 |
| 2.3.1 采集过程 | 第34-35页 |
| 2.3.2 公路桥梁裂缝图像的特征分析 | 第35-36页 |
| 2.4 相机尺寸标定 | 第36-39页 |
| 2.5 本章小结 | 第39-41页 |
| 3 裂缝图像预处理算法设计 | 第41-49页 |
| 3.1 图像灰度化 | 第41-42页 |
| 3.2 裂缝图像增强处理 | 第42-48页 |
| 3.2.1 图像的灰度修正 | 第42-45页 |
| 3.2.2 图像的平滑处理 | 第45-48页 |
| 3.3 本章小结 | 第48-49页 |
| 4 裂缝目标的提取算法设计 | 第49-75页 |
| 4.1 基于小波变换的图像粗分割方法 | 第49-62页 |
| 4.1.1 小波变换概念 | 第50-52页 |
| 4.1.2 小波基的选择 | 第52-55页 |
| 4.1.3 基于小波变换的图像粗分割 | 第55-56页 |
| 4.1.4 阈值分割 | 第56-59页 |
| 4.1.5 边缘检测 | 第59-62页 |
| 4.2 裂缝目标分割提取 | 第62-67页 |
| 4.2.1 二值图像的形态学分析法 | 第63-66页 |
| 4.2.2 面形态学剔除方法 | 第66-67页 |
| 4.3 裂缝目标连接 | 第67-73页 |
| 4.4 本章小结 | 第73-75页 |
| 5 裂缝目标的分类算法设计 | 第75-95页 |
| 5.1 支持向量机 | 第75页 |
| 5.2 SVM算法原理 | 第75-78页 |
| 5.2.1 线性可分支持向量机 | 第76-77页 |
| 5.2.2 线性不可分和非线性支持向量机 | 第77-78页 |
| 5.2.3 SVM分类算法步骤 | 第78页 |
| 5.3 裂缝目标特征向量计算 | 第78-82页 |
| 5.3.1 目标区域的统计特征 | 第79-81页 |
| 5.3.2 目标区域的几何特征 | 第81-82页 |
| 5.4 裂缝目标图像的特征向量分析 | 第82-86页 |
| 5.5 基于SVM的裂缝目标分类 | 第86-93页 |
| 5.5.1 SVM决策树算法 | 第86-89页 |
| 5.5.2 裂缝目标分类验证 | 第89-93页 |
| 5.6 本章小结 | 第93-95页 |
| 6 裂缝目标最大宽度测量及验证 | 第95-103页 |
| 6.1 骨架化求取裂缝长度 | 第96-99页 |
| 6.1.1 形态学骨架化 | 第96页 |
| 6.1.2 图像细化 | 第96-99页 |
| 6.2 裂缝最大宽度计算及验证 | 第99-102页 |
| 6.2.1 图像腐蚀 | 第99-100页 |
| 6.2.2 裂缝最大宽度计算及验证 | 第100-102页 |
| 6.3 本章小结 | 第102-103页 |
| 7 结论与展望 | 第103-107页 |
| 7.1 总结 | 第103-104页 |
| 7.2 展望 | 第104-107页 |
| 参考文献 | 第107-111页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第111-115页 |
| 学位论文数据集 | 第115页 |
