基于复合图像处理方法的路表面裂缝类破损自动识别方法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 国外研究现状 | 第17-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 论文的主要内容与章节安排 | 第19-23页 |
| 1.3.1 本文研究内容 | 第19-20页 |
| 1.3.2 论文结构安排 | 第20-21页 |
| 1.3.3 论文研究思想 | 第21-23页 |
| 第二章 路面损坏评价 | 第23-33页 |
| 2.1 路面破损调查要求 | 第23-25页 |
| 2.1.1 路面破损调查流程 | 第23页 |
| 2.1.2 路面病害分类 | 第23-25页 |
| 2.2 路面病害图像获取方式 | 第25-29页 |
| 2.3 裂缝病害图像特征 | 第29-31页 |
| 2.4 数据采集 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 路面病害图像处理 | 第33-44页 |
| 3.1 路面病害图像优化 | 第33-35页 |
| 3.1.1 灰度直方图 | 第33-34页 |
| 3.1.2 病害图像简单优化 | 第34-35页 |
| 3.2 路面标线分离 | 第35-43页 |
| 3.2.1 灰度投影确定标线位置 | 第37-39页 |
| 3.2.2 替换法消除路面标线 | 第39页 |
| 3.2.3 实验分析 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 路面病害图像裂缝提取 | 第44-52页 |
| 4.1 裂缝提取简介 | 第44页 |
| 4.2 基于全局阈值提取算法 | 第44-46页 |
| 4.2.1 大津法 | 第44-45页 |
| 4.2.2 全局阈值法结论 | 第45-46页 |
| 4.3 基于边缘特性提取算法 | 第46-48页 |
| 4.3.1 Canny 算法 | 第47页 |
| 4.3.2 边缘特性法结论 | 第47-48页 |
| 4.4 基于区域阈值提取算法 | 第48-51页 |
| 4.4.1 背景修正法 | 第48-49页 |
| 4.4.2 Niblack 法 | 第49-50页 |
| 4.4.3 区域阈值法结论 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 路面裂缝识别 | 第52-73页 |
| 5.1 路面裂缝分类 | 第52-53页 |
| 5.2 图像形态学处理 | 第53-55页 |
| 5.2.1 图像形态学基本算法 | 第53-54页 |
| 5.2.2 图像形态学作用 | 第54-55页 |
| 5.3 网状裂缝与线性裂缝区分 | 第55-60页 |
| 5.3.1 孔洞识别和计算 | 第56-57页 |
| 5.3.2 裂缝区分 | 第57-59页 |
| 5.3.3 实验分析 | 第59-60页 |
| 5.4 纵横向裂缝判定和网状裂缝面积 | 第60-61页 |
| 5.5 线性裂缝长度特征信息判定 | 第61-65页 |
| 5.5.1 改进骨骼化算法 | 第62-63页 |
| 5.5.2 最大路径法 | 第63-64页 |
| 5.5.3 裂缝长度参数计算 | 第64-65页 |
| 5.5.4 实验分析 | 第65页 |
| 5.6 线性裂缝宽度特征信息判定 | 第65-71页 |
| 5.6.1 算法概述 | 第66-68页 |
| 5.6.2 实验分析 | 第68-71页 |
| 5.6.3 实验结论 | 第71页 |
| 5.7 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 主要工作与创新点 | 第73-74页 |
| 6.2 后续研究工作 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79页 |
