基于纹理图像分析的路面病害自动检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·本文的主要工作及内容安排 | 第9-11页 |
| 2 基于灰度共生矩阵的路面纹理特征提取 | 第11-47页 |
| ·纹理分析 | 第11-13页 |
| ·路面图像的纹理特征 | 第13-16页 |
| ·路面的纹理结构 | 第13页 |
| ·路面病害的表现形式及特点 | 第13-16页 |
| ·本文的纹理分析方法 | 第16页 |
| ·灰度共生矩阵 | 第16-30页 |
| ·灰度共生矩阵的定义 | 第17-19页 |
| ·灰度共生矩阵的特点 | 第19-20页 |
| ·基于灰度共生矩阵的纹理特征参数 | 第20-30页 |
| ·方向、步长和图像灰度级对纹理特征参数的影响 | 第30-36页 |
| ·基于灰度共生矩阵的路面纹理特征提取 | 第36-45页 |
| ·路面图像中灰度共生矩阵参数的选取 | 第36-40页 |
| ·路面图像中纹理特征参数的选取 | 第40-43页 |
| ·形状描述符 | 第43页 |
| ·形状描述符在路面图像中的作用 | 第43-45页 |
| ·小结 | 第45-47页 |
| 3 基于多分类器的路面纹理特征分类 | 第47-66页 |
| ·分类器简介 | 第47-48页 |
| ·基于KNN的路面纹理特征分类 | 第48-50页 |
| ·KNN算法原理 | 第48页 |
| ·分类实验结果 | 第48-50页 |
| ·SVM算法原理 | 第50-52页 |
| ·SVM核函数的选择 | 第52-56页 |
| ·常用核函数 | 第52-53页 |
| ·不同核函数的分类效果比较 | 第53-56页 |
| ·对于不同的特征集SVM分类结果比较 | 第56-60页 |
| ·实验结果分析 | 第60-65页 |
| ·最小二乘法 | 第60-61页 |
| ·基于SVM的分类结果分析 | 第61-63页 |
| ·不同分类器分类效果的比较 | 第63-65页 |
| ·小节 | 第65-66页 |
| 4 路面病害纹理图像的后处理 | 第66-73页 |
| ·灰度图像二值化 | 第66页 |
| ·数学形态学的后处理 | 第66-69页 |
| ·数学形态学概述 | 第67-68页 |
| ·数学形态学在后处理中的应用 | 第68-69页 |
| ·实验结果分析 | 第69-72页 |
| ·小结 | 第72-73页 |
| 5 结束语 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
