| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目次 | 第8-11页 |
| 图清单 | 第11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-21页 |
| ·选题研究背景和意义 | 第14-15页 |
| ·海底管道检测及相关技术研究现状 | 第15-18页 |
| ·基于分布式光纤的管道检测 | 第15-16页 |
| ·基于管道机器人的管道检测 | 第16页 |
| ·基于侧扫声纳系统的海底管道状态检测 | 第16-17页 |
| ·海底管道侧扫声纳图像识别分类 | 第17-18页 |
| ·论文的主要内容及技术路线 | 第18-21页 |
| ·主要研究内容 | 第18-19页 |
| ·论文结构 | 第19-20页 |
| ·论文的技术路线 | 第20-21页 |
| 2 侧扫声纳成图原理及图像处理技术研究 | 第21-32页 |
| ·海底管道侧扫声纳图像声学基础 | 第21-23页 |
| ·声波在海水中的传播特性 | 第21-22页 |
| ·海水中声速测量 | 第22-23页 |
| ·侧扫声纳换能器 | 第23页 |
| ·侧扫声纳数据采集原理 | 第23-25页 |
| ·侧扫声纳成像原理 | 第23-25页 |
| ·侧扫声纳声图结构 | 第25页 |
| ·海底管道侧扫声纳图像的特点 | 第25-26页 |
| ·海底管道侧扫声纳图像处理技术研究 | 第26-31页 |
| ·改进型的 Canny 算子侧扫声纳图像边缘检测 | 第27-31页 |
| ·灰度图像梯度计算 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 数据采集系统 | 第32-46页 |
| ·引言 | 第32页 |
| ·实验数据采集流程 | 第32-33页 |
| ·实验数据采集区域及采集路线 | 第33-34页 |
| ·实验设备简介 | 第34-35页 |
| ·实验数据采集 | 第35-43页 |
| ·侧扫声纳参数设置和测线布设 | 第35页 |
| ·导航定位设置 | 第35-38页 |
| ·侧扫声纳数据记录 | 第38-39页 |
| ·图像判读方法 | 第39-43页 |
| ·实验数据结果初步分析 | 第43-45页 |
| ·管线裸露分析 | 第43-44页 |
| ·管线埋深分析 | 第44-45页 |
| ·本章小节 | 第45-46页 |
| 4 实验数据解析与可视化系统实现 | 第46-58页 |
| ·背景分析及设计原则 | 第46-47页 |
| ·系统总体框架 | 第47-49页 |
| ·系统开发环境及开发环境配置 | 第47-48页 |
| ·系统结构 | 第48-49页 |
| ·数据解析与读取 | 第49-53页 |
| ·侧扫声纳数据结构 | 第49-51页 |
| ·数据读取 | 第51-53页 |
| ·数据转换 | 第53页 |
| ·采样精度与灰度值的转换 | 第53页 |
| ·双通道显示与多通道显示的转换 | 第53页 |
| ·数据显示 | 第53-54页 |
| ·多线程读取数据 | 第53-54页 |
| ·采样数据滚动显示 | 第54页 |
| ·系统运行实例 | 第54-57页 |
| ·侧扫声纳数据多通道显示 | 第54-56页 |
| ·侧扫声纳数据不同灰度显示 | 第56页 |
| ·侧扫声纳数据斜距显示 | 第56-57页 |
| ·侧扫声纳数据基本信息显示 | 第57页 |
| ·本章小结 | 第57-58页 |
| 5 海底管道状态检测与识别 | 第58-73页 |
| ·引言 | 第58页 |
| ·基于 BP 神经网络的海底管道侧扫声纳图像状态识别 | 第58-64页 |
| ·海底管道侧扫声纳图像特征提取 | 第58-59页 |
| ·BP 神经网络模型设计 | 第59-62页 |
| ·海底管道侧扫声纳图像分类识别模型 | 第62-63页 |
| ·实验结果与分析 | 第63-64页 |
| ·基于灰度-梯度共生矩阵的稀疏表示海底管道状态识别 | 第64-72页 |
| ·基于灰度梯度共生矩阵的管道图像特征点提取 | 第64-67页 |
| ·稀疏表示理论 | 第67-68页 |
| ·海底管道侧扫声纳图像的稀疏表示 | 第68页 |
| ·基于灰度-梯度的实验模型 | 第68-70页 |
| ·实验结果与分析 | 第70-72页 |
| ·两种实验对比分析 | 第72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| ·研究工作总结 | 第73-74页 |
| ·工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者简介 | 第79页 |