基于图像分析的道路病害自动检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-22页 |
| ·研究背景 | 第11-12页 |
| ·国内外道路病害检测研究方法 | 第12-14页 |
| ·形态学算法 | 第12页 |
| ·模糊逻辑法 | 第12-13页 |
| ·神经网络法 | 第13页 |
| ·纹理分析法 | 第13页 |
| ·基本图像处理方法 | 第13-14页 |
| ·道路病害检测的一般步骤 | 第14页 |
| ·道路病害检测系统 | 第14-15页 |
| ·国外道路病害检测系统简介 | 第15-19页 |
| ·日本Komatsu系统 | 第15-16页 |
| ·瑞典PAVUE系统 | 第16-17页 |
| ·加拿大WiseCrax系统 | 第17页 |
| ·澳大利亚RoadCrack系统 | 第17-18页 |
| ·英国HARRIS系统 | 第18-19页 |
| ·本文研究内容 | 第19-20页 |
| ·本文内容安排 | 第20-22页 |
| 第二章 路面图像预处理-灰度校正 | 第22-32页 |
| ·引言 | 第22-23页 |
| ·光场及成像系统 | 第23-25页 |
| ·路面图像信号模型 | 第25页 |
| ·加性模型 | 第25页 |
| ·乘性模型 | 第25页 |
| ·一种新的校正算法 | 第25-28页 |
| ·求取Φ | 第27页 |
| ·双线性插值 | 第27-28页 |
| ·实验结果 | 第28-31页 |
| ·基本效果分析 | 第28-30页 |
| ·不同的路面和方法示例 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于图像分析的道路病害检测 | 第32-64页 |
| ·引言 | 第32页 |
| ·道路病害的分类与性质 | 第32-35页 |
| ·一种新的裂缝检测算法 | 第35-43页 |
| ·图像增强 | 第35-36页 |
| ·阈值分割 | 第36-37页 |
| ·二值图像的非裂缝散点消除 | 第37页 |
| ·线状特征提取 | 第37-38页 |
| ·线状目标识别 | 第38-39页 |
| ·裂缝目标与非裂缝目标鉴别 | 第39-43页 |
| ·基于多级拟合的检测方法 | 第43-55页 |
| ·引言 | 第43-44页 |
| ·方法步骤描述 | 第44-50页 |
| ·裂缝点筛选 | 第44-45页 |
| ·直线拟合 | 第45-46页 |
| ·曲线(裂缝)拟合 | 第46-49页 |
| ·真假裂缝目标鉴别 | 第49页 |
| ·算法描述 | 第49-50页 |
| ·实验结果 | 第50-55页 |
| ·裂缝目标描述方法 | 第55-57页 |
| ·病害骨架分析 | 第57-62页 |
| ·细化 | 第58页 |
| ·用于分析的数据结构 | 第58-60页 |
| ·骨架分析 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 病害图像的配准和拼接 | 第64-75页 |
| ·引言 | 第64-65页 |
| ·图像匹配 | 第65-67页 |
| ·图像坐标转换 | 第67-68页 |
| ·基于病害特征块的道路病害图像拼接 | 第68-71页 |
| ·径向约束几何校正 | 第68-70页 |
| ·特征块选取与匹配 | 第70-71页 |
| ·拼接 | 第71页 |
| ·实验结果 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 基于图像分析的道路病害检测系统 | 第75-89页 |
| ·引言 | 第75-76页 |
| ·系统总体设计与数据组织和访问 | 第76-78页 |
| ·系统总体结构 | 第76-77页 |
| ·车载采集系统图像数据文件 | 第77页 |
| ·数据服务器文件的组织结构 | 第77-78页 |
| ·数据库设计 | 第78页 |
| ·数据采集系统 | 第78-82页 |
| ·车载硬件系统 | 第78-81页 |
| ·车载软件系统 | 第81-82页 |
| ·离线数据处理系统 | 第82-85页 |
| ·技术性能与分析 | 第85-88页 |
| ·自动检测识别率 | 第85-87页 |
| ·人工检测与自动检测结果对比 | 第87-88页 |
| ·完成的普查工作 | 第88页 |
| ·本章小结 | 第88-89页 |
| 结束语 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-99页 |
| 附录 | 第99页 |
