| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 小波理论发展现状 | 第9-11页 |
| 1.2.1 小波神经网络国外发展现状 | 第9-10页 |
| 1.2.2 小波神经网络国内发展现状 | 第10-11页 |
| 1.3 沉降监测的数据处理方法 | 第11-12页 |
| 1.4 本文的研究目的和主要内容 | 第12-14页 |
| 1.4.1 本文的研究目的 | 第12页 |
| 1.4.2 本文的研究内容 | 第12-14页 |
| 第二章 地面三维激光扫描测量技术 | 第14-18页 |
| 2.1 地面三维激光扫描系统测距的基本原理 | 第14-15页 |
| 2.1.1 脉冲测距法原理 | 第14-15页 |
| 2.1.2 相位式测距原理 | 第15页 |
| 2.2 本文点云预处理所用软件概述 | 第15-18页 |
| 2.2.1 扫描系统简介 | 第15-17页 |
| 2.2.2 点云数据处理软件介绍 | 第17-18页 |
| 第三章 点云数据的采集与处理 | 第18-31页 |
| 3.1 点云数据的外业采集 | 第18-21页 |
| 3.1.1 编纂施测方案 | 第18-20页 |
| 3.1.2 三维激光扫描仪数据采集步骤 | 第20-21页 |
| 3.2 点云数据的预处理 | 第21-30页 |
| 3.2.1 点云数据的拼接 | 第21页 |
| 3.2.2 点云数据的滤波 | 第21-27页 |
| 3.2.3 点云数据的重采样 | 第27-28页 |
| 3.2.4 点云数据的分割 | 第28页 |
| 3.2.5 曲面模型插值方法的选取 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 小波神经网络结构设计 | 第31-40页 |
| 4.1 小波神经网络输出层权值设计 | 第31-34页 |
| 4.2 隐含层神经元数目的确定以及输入层权值训练设计 | 第34-35页 |
| 4.3 输出层权值算法的改进设计 | 第35-37页 |
| 4.3.1 动量项的引入 | 第35-36页 |
| 4.3.2 自适应步长算法的改进设计 | 第36-37页 |
| 4.4 小波神经网络激活函数的确定以及初始参数的确定 | 第37-39页 |
| 4.4.1 激活函数的确定 | 第37-38页 |
| 4.4.2 输出层权值的初始化 | 第38-39页 |
| 4.4.3 输入层权值的初始化 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 基于小波神经网络的地面曲面重建与沉降量提取 | 第40-58页 |
| 5.1 小波神经网络进行曲面重建的思路 | 第40-41页 |
| 5.2 小波神经网络训练 | 第41-43页 |
| 5.2.1 样本数据归一化 | 第41页 |
| 5.2.2 小波神经网络模型的构建 | 第41-43页 |
| 5.3 利用小波神经网络进行曲面重建 | 第43-54页 |
| 5.3.1 实验数据简介 | 第43页 |
| 5.3.2 双三次插值模型分析 | 第43-47页 |
| 5.3.3 小波神经网络模型分析与BP神经网络模型分析 | 第47-54页 |
| 5.4 曲面沉降量提取 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
