| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 图像拼接技术 | 第12-13页 |
| 1.2.2 桥梁裂缝识别技术 | 第13-15页 |
| 1.3 本文研究工作及内容安排 | 第15-17页 |
| 1.3.1 本文研究工作 | 第15页 |
| 1.3.2 本文内容安排 | 第15-17页 |
| 第二章 裂缝图像拼接技术研究与实现 | 第17-42页 |
| 2.1 图像拼接技术介绍 | 第17-22页 |
| 2.1.1 图像拼接技术的基本流程 | 第17-18页 |
| 2.1.2 图像采集 | 第18页 |
| 2.1.3 图像配准技术 | 第18-20页 |
| 2.1.4 图像变换模型 | 第20-21页 |
| 2.1.5 图像融合技术 | 第21-22页 |
| 2.2 经典特征检测算法分析 | 第22-29页 |
| 2.2.1 FAST算法 | 第22-23页 |
| 2.2.2 Susan算法 | 第23-24页 |
| 2.2.3 ST(Shi-Tomasi) 算法 | 第24-26页 |
| 2.2.4 实验对比分析 | 第26-29页 |
| 2.3 基于改进FAST算子的图像拼接算法 | 第29-36页 |
| 2.3.1 算法概述 | 第29-30页 |
| 2.3.2 FAST算法改进 | 第30-33页 |
| 2.3.3 特征匹配与改进 | 第33-35页 |
| 2.3.4 RANSAC(Random Sample Consensus)去除伪匹配 | 第35页 |
| 2.3.5 图像融合算法 | 第35-36页 |
| 2.4 实验结果分析 | 第36-41页 |
| 2.4.1 改进FAST算子性能分析实验 | 第36-38页 |
| 2.4.2 特征匹配实验 | 第38-39页 |
| 2.4.3 裂缝图像拼接实验 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 裂缝提取技术研究与实现 | 第42-70页 |
| 3.1 桥梁裂缝图像特点 | 第42页 |
| 3.2 裂缝提取算法概述 | 第42-44页 |
| 3.3 图像预处理 | 第44-49页 |
| 3.3.1 灰度化 | 第44-45页 |
| 3.3.2 灰度拉伸 | 第45-46页 |
| 3.3.3 改进的中值滤波 | 第46-49页 |
| 3.4 图像分割 | 第49-59页 |
| 3.4.1 算法提出 | 第49-50页 |
| 3.4.2 二维最小交叉熵 | 第50-52页 |
| 3.4.3 蜂群算法的基本原理 | 第52-53页 |
| 3.4.4 基于蜂群优化的二维最小交叉熵裂缝分割法 | 第53-55页 |
| 3.4.5 实验与分析 | 第55-59页 |
| 3.5 基于形态学的二值化图像修复 | 第59-62页 |
| 3.6 裂缝几何特征分析 | 第62-69页 |
| 3.6.1 裂缝的分类 | 第62-64页 |
| 3.6.2 长度计算 | 第64-66页 |
| 3.6.3 宽度计算 | 第66-67页 |
| 3.6.4 实验分析 | 第67-69页 |
| 3.7 本章小结 | 第69-70页 |
| 第四章 桥梁裂缝检测系统设计 | 第70-86页 |
| 4.1 系统结构 | 第70-71页 |
| 4.2 硬件设计 | 第71-75页 |
| 4.2.1 六足爬壁机器人整体结构分析 | 第71-74页 |
| 4.2.2 基于工业相机的图像采集模块 | 第74-75页 |
| 4.3 软件设计 | 第75-81页 |
| 4.3.1 软件架构 | 第75-77页 |
| 4.3.2 功能设计 | 第77页 |
| 4.3.3 界面设计 | 第77-80页 |
| 4.3.4 菜单设计 | 第80-81页 |
| 4.4 实例分析 | 第81-85页 |
| 4.5 本章小结 | 第85-86页 |
| 总结与展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-93页 |
| 附件 | 第93页 |