| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-32页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 路面破损自动检测系统的研究进展 | 第14-24页 |
| 1.2.1 基于摄影技术的路面破损检测设备 | 第15页 |
| 1.2.2 基于模拟视频(电视)技术的路面破损检测系统 | 第15-16页 |
| 1.2.3 基于高速面阵数字相机(CCD)的路面破损检测系统 | 第16-18页 |
| 1.2.4 基于线扫描数字相机的路面破损检测系统 | 第18-19页 |
| 1.2.5 基于3D激光扫描技术的路面破损检测系统 | 第19-22页 |
| 1.2.6 国内路面检测系统的发展 | 第22-24页 |
| 1.3 路面图像破损图像处理技术的研究进展 | 第24-27页 |
| 1.3.1 图像预处理 | 第24-26页 |
| 1.3.2 空间域裂缝识别算法 | 第26页 |
| 1.3.3 频域裂缝识别算法 | 第26-27页 |
| 1.3.4 基于有监督学习的裂缝识别算法 | 第27页 |
| 1.4 路面管理系统的研究进展 | 第27-30页 |
| 1.5 本文章节安排 | 第30-32页 |
| 第2章 沥青路面破损图像预处理技术 | 第32-49页 |
| 2.1 沥青路面图像增强 | 第32-36页 |
| 2.1.1 路面裂缝图像的对比度增强处理 | 第33-35页 |
| 2.1.2 直方图处理技术 | 第35-36页 |
| 2.2 沥青路面图像的平滑 | 第36-40页 |
| 2.2.1 灰度图像的均值滤波 | 第36-37页 |
| 2.2.2 灰度图像的中值滤波 | 第37-39页 |
| 2.2.3 频域低通滤波方法 | 第39-40页 |
| 2.3 沥青路面图像的锐化 | 第40-43页 |
| 2.3.1 微分法 | 第40-42页 |
| 2.3.2 高通滤波法 | 第42-43页 |
| 2.4 路面图像掩膜平滑预处理算法及实现 | 第43-48页 |
| 2.4.1 空域滤波 | 第43-44页 |
| 2.4.2 路面图像掩膜平滑算法及实现 | 第44-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第3章 沥青路面裂缝图像分割算法研究 | 第49-60页 |
| 3.1 基于边缘检测的路面图像分割 | 第49-54页 |
| 3.1.1 路面图像点线和边缘检测 | 第49-53页 |
| 3.1.2 边缘连接 | 第53-54页 |
| 3.2 阈值分割 | 第54-56页 |
| 3.3 路面图像最大类间距离分割算法 | 第56-59页 |
| 3.3.1 最大类内类间距离阈值准则 | 第56-58页 |
| 3.3.2 实验结果 | 第58-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第4章 基于小波变换的沥青路面裂缝识别 | 第60-72页 |
| 4.1 路面裂缝图像识别小波分析 | 第60-63页 |
| 4.2 小波基选择和子图像重构策略 | 第63页 |
| 4.3 路面裂缝识别及实验结果 | 第63-67页 |
| 4.3.1 小波基的选择 | 第64-65页 |
| 4.3.2 图像分解水平 | 第65-66页 |
| 4.3.3 子图像合成策略 | 第66-67页 |
| 4.4 小波系数和模最大值路面裂缝识别 | 第67-70页 |
| 4.4.1 裂缝图像识别小波分析 | 第67-68页 |
| 4.4.2 裂缝边缘检测 | 第68-69页 |
| 4.4.3 改进的裂缝边缘检测算法 | 第69-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 数学形态学沥青路面裂缝识别算法研究 | 第72-80页 |
| 5.1 数学形态学基本运算 | 第72-73页 |
| 5.2 路而图像形态学滤波 | 第73-75页 |
| 5.2.1 改进的形态学滤波算法 | 第73-74页 |
| 5.2.2 实验结果 | 第74-75页 |
| 5.3 路而图像形态学裂缝检测 | 第75-77页 |
| 5.3.1 改进的顶帽变换 | 第75-76页 |
| 5.3.2 实验结果与分析 | 第76-77页 |
| 5.4 路面图像形态学裂缝分割 | 第77-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第6章 路面裂缝种类划分 | 第80-95页 |
| 6.1 裂缝特征描述与计算 | 第80-85页 |
| 6.1.1 常见几何特征 | 第81-82页 |
| 6.1.2 裂缝空洞 | 第82-85页 |
| 6.2 裂缝分类方法 | 第85-86页 |
| 6.3 基于神经网络的路面裂缝分类研究 | 第86-93页 |
| 6.3.1 人工神经网络概述 | 第86-89页 |
| 6.3.2 神经网络在路面裂缝分类中的研究 | 第89-90页 |
| 6.3.3 基于图像像处理和神经网络的裂缝分类系统 | 第90-93页 |
| 6.4 本章小结 | 第93-95页 |
| 第7章 集成数字图像处理的路面管理信息系统 | 第95-109页 |
| 7.1 系统功能模块设计 | 第96-97页 |
| 7.2 数据库设计 | 第97-101页 |
| 7.2.1 路面数据采集参照系统 | 第97页 |
| 7.2.2 路面基础数据和图像裂缝数据 | 第97-101页 |
| 7.2.3 路面裂缝图像文件存取 | 第101页 |
| 7.3 路面裂缝图像处理系统 | 第101-102页 |
| 7.4 路面使用性能评价和辅助决策 | 第102-107页 |
| 7.4.1 路面破损状况指数 | 第102-104页 |
| 7.4.2 路面裂缝行为研究 | 第104-105页 |
| 7.4.3 基于遗传-神经网络的裂缝行为研究 | 第105-107页 |
| 7.5 本章小结 | 第107-109页 |
| 结论 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-120页 |
| 攻读学位期间发表的论文及科研成果 | 第120页 |
