| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 路面检测系统国内外研究现状 | 第10-11页 |
| 1.3 检测算法研究现状 | 第11-13页 |
| 1.4 本文的主要结构和安排 | 第13-14页 |
| 第2章 路面破损智能检测系统设计 | 第14-23页 |
| 2.1 图像采集前端设计 | 第14-16页 |
| 2.1.1 网络高清摄像机简介及必要性 | 第14-16页 |
| 2.1.2 本文系统所选用的图像采集前端 | 第16页 |
| 2.2 云平台 | 第16-19页 |
| 2.2.1 云计算与云存储概念 | 第17页 |
| 2.2.2 云计算和云存储关键技术 | 第17-18页 |
| 2.2.3 样本图像实时处理分析框架 | 第18-19页 |
| 2.3 本文所设计的系统 | 第19-20页 |
| 2.4 本文所设计的系统与传统检测方式对比 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 路面裂缝检测 | 第23-50页 |
| 3.1 破损路面裂缝分类 | 第23-24页 |
| 3.2 样本图像灰度变换及滤波 | 第24-32页 |
| 3.2.1 灰度变换 | 第24-26页 |
| 3.2.2 均值滤波 | 第26页 |
| 3.2.3 中值滤波 | 第26-27页 |
| 3.2.4 小波去噪 | 第27-28页 |
| 3.2.5 基于均值与中值自适应加权滤波算法 | 第28-30页 |
| 3.2.6 样本图像滤波仿真结果及分析 | 第30-32页 |
| 3.3 样本图像分割检测 | 第32-38页 |
| 3.3.1 迭代法 | 第32页 |
| 3.3.2 最大类间方差法 | 第32-34页 |
| 3.3.3 遗传算法分割 | 第34-35页 |
| 3.3.4 改进最大熵法 | 第35-37页 |
| 3.3.5 仿真实验结果比较分析 | 第37-38页 |
| 3.4 基于形态学的样本图像处理 | 第38-41页 |
| 3.4.1 图像膨胀运算 | 第38-39页 |
| 3.4.2 图像腐蚀运算 | 第39-40页 |
| 3.4.3 图像开运算与闭运算 | 第40页 |
| 3.4.4 样本图像数学形态学处理结果分析 | 第40-41页 |
| 3.5 裂缝骨架和连通区域提取 | 第41-43页 |
| 3.5.1 样本图像裂缝骨架提取 | 第41-43页 |
| 3.5.2 样本图像连通区域的提取标记 | 第43页 |
| 3.6 改进像素标记算法求取裂缝几何特征 | 第43-49页 |
| 3.6.1 改进像素标记法 | 第43-45页 |
| 3.6.2 样本图像裂缝长度计算 | 第45-47页 |
| 3.6.3 样本图像裂缝平均宽度计算 | 第47-48页 |
| 3.6.4 样本图像裂缝面积计算 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第4章 路面交通标线破损检测 | 第50-60页 |
| 4.1 路面交通标线检测系统简要介绍 | 第50-51页 |
| 4.2 图片存储和调用 | 第51页 |
| 4.3 样本图像预处理及灰度共生矩阵 | 第51-55页 |
| 4.3.1 存储标准路面交通标线样本图像 | 第51-52页 |
| 4.3.2 基于高斯低通与PCNN相结合的图像预处理 | 第52-54页 |
| 4.3.3 图像纹理的灰度共生矩阵 | 第54-55页 |
| 4.4 基于样本图像对比法的交通线破损检测 | 第55-59页 |
| 4.4.1 样本图像对比法 | 第56页 |
| 4.4.2 检测结果分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 攻读硕士学位期间发表的论文 | 第67页 |