隧道病害检测及基于SRC的图像解译方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 选题背景与研究意义 | 第8-9页 |
| 1.2 探地雷达图像自动检测方法研究现状 | 第9-12页 |
| 1.2.1 时频分析研究现状 | 第9-10页 |
| 1.2.2 特征提取与稀疏分解研究现状 | 第10-11页 |
| 1.2.3 探地雷达图像的自动解释 | 第11-12页 |
| 1.3 本文主要研究内容和技术路线 | 第12-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 第2章 地铁隧道壁后注浆效果评估 | 第15-33页 |
| 2.1 地铁隧道情况介绍 | 第15-17页 |
| 2.2 地铁隧道注浆效果检测方案 | 第17-23页 |
| 2.2.1 数据获取 | 第17-18页 |
| 2.2.2 探地雷达检测理论背景 | 第18-19页 |
| 2.2.3 场景设计 | 第19-21页 |
| 2.2.4 数据处理 | 第21-23页 |
| 2.2.5 图像解释依据 | 第23页 |
| 2.3 FDTD仿真 | 第23-25页 |
| 2.4 实测数据分析 | 第25-32页 |
| 2.4.1 管片相对介常 | 第25-26页 |
| 2.4.2 注浆体相对介常 | 第26-28页 |
| 2.4.3 层厚度检测 | 第28-30页 |
| 2.4.4 注浆层病害检测 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 探地雷达数据预处理 | 第33-46页 |
| 3.1 数据获取 | 第33-36页 |
| 3.1.1 仿真数据获取 | 第33-35页 |
| 3.1.2 实测数据获取 | 第35-36页 |
| 3.2 数据处理流程 | 第36-39页 |
| 3.3 样本划分 | 第39-40页 |
| 3.4 时频分析 | 第40-41页 |
| 3.5 特征提取 | 第41-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 稀疏分解的病害自动检测分类 | 第46-69页 |
| 4.1 信号稀疏分解介绍 | 第46-48页 |
| 4.1.1 信号表示 | 第46页 |
| 4.1.2 信号稀疏分解模型 | 第46-47页 |
| 4.1.3 稀疏分解方法 | 第47-48页 |
| 4.2 稀疏分解目标识别原理 | 第48-51页 |
| 4.3 冗余字典构造 | 第51-52页 |
| 4.4 匹配追踪类算法对比 | 第52-59页 |
| 4.4.1 正交匹配追踪算法（OMP） | 第52-57页 |
| 4.4.2 稀疏度自适应匹配追踪算法（SAMP） | 第57-59页 |
| 4.5 与支持向量机方法对比 | 第59-64页 |
| 4.6 各特征值为冗余字典进行稀疏分解目标识别 | 第64-65页 |
| 4.7 病害深度预测 | 第65-67页 |
| 4.8 本章小结 | 第67-69页 |
| 第5章 全文总结及工作展望 | 第69-72页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的研究成果 | 第77页 |
