路面裂缝自动检测系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 路面检测发展现状 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 路面裂缝的类型及度量 | 第13-16页 |
| 1.3.1 路面裂缝的类型 | 第14-15页 |
| 1.3.2 路面裂缝的度量标准 | 第15-16页 |
| 1.4 本文研究内容及安排 | 第16-19页 |
| 1.4.1 本文研究内容 | 第16-17页 |
| 1.4.2 本文内容安排 | 第17-19页 |
| 第二章 路面裂缝自动检测系统 | 第19-29页 |
| 2.1 软件开发环境与系统总体设计 | 第19-22页 |
| 2.1.1 软件开发环境简介 | 第19-20页 |
| 2.1.2 系统总体设计 | 第20-22页 |
| 2.2 软件功能模块介绍 | 第22-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 路面裂缝图像预处理 | 第29-41页 |
| 3.1 数字图像预处理技术概述 | 第29-30页 |
| 3.1.1 数字图像处理目的 | 第29-30页 |
| 3.1.2 数字图像处理研究内容 | 第30页 |
| 3.2 路面裂缝图像的特点 | 第30-31页 |
| 3.3 裂缝病害图像预处理 | 第31-40页 |
| 3.3.1 裂缝图像比例缩小 | 第31-33页 |
| 3.3.2 裂缝图像光照不均校正 | 第33-37页 |
| 3.3.3 裂缝灰度图像去噪 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 路面裂缝图像分割 | 第41-55页 |
| 4.1 裂缝图像分割概述 | 第41-42页 |
| 4.2 基于边缘分割法 | 第42-45页 |
| 4.3 Otsu 阈值分割法 | 第45-50页 |
| 4.4 裂缝图像形态学处理 | 第50-54页 |
| 4.4.1 腐蚀 | 第50-51页 |
| 4.4.2 膨胀 | 第51页 |
| 4.4.3 开运算与闭运算 | 第51-52页 |
| 4.4.4 细化 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 路面裂缝图像特征提取及识别 | 第55-75页 |
| 5.1 路面裂缝的特征提取 | 第55-56页 |
| 5.2 人工神经网络概述 | 第56-61页 |
| 5.2.1 神经元模型 | 第58-59页 |
| 5.2.2 人工神经网络简介 | 第59-61页 |
| 5.3 BP 神经网络分类 | 第61-71页 |
| 5.3.1 BP 神经网络的分类思想 | 第61页 |
| 5.3.2 BP 网络分类原理 | 第61-65页 |
| 5.3.3 BP 神经网络结构参数设置及算法流程 | 第65-68页 |
| 5.3.4 裂缝类型识别结果 | 第68-71页 |
| 5.4 裂缝几何特征计算 | 第71-74页 |
| 5.4.1 外接面积计算 | 第71-73页 |
| 5.4.2 长度计算 | 第73-74页 |
| 5.5 本章小结 | 第74-75页 |
| 全文总结与展望 | 第75-77页 |
| 全文工作总结 | 第75-76页 |
| 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
