大型水电工程竖井影像中的病害检测关键技术
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 水电站竖井病害成因的研究现状 | 第12-13页 |
| 1.2.2 基于影像的混凝土病害检测技术研究现状 | 第13-14页 |
| 1.3 研究内容及章节安排 | 第14-17页 |
| 1.3.1 研究内容 | 第14-16页 |
| 1.3.2 章节安排 | 第16-17页 |
| 第2章 竖井影像拼接技术 | 第17-36页 |
| 2.1 相机标定技术 | 第17-25页 |
| 2.1.1 相机及镜头介绍 | 第17-20页 |
| 2.1.2 相机标定原理 | 第20-21页 |
| 2.1.3 相机标定实验及结果 | 第21-25页 |
| 2.2 相机定位定姿 | 第25-29页 |
| 2.2.1 坐标系确定 | 第25-26页 |
| 2.2.2 相机位置及姿态求解 | 第26-29页 |
| 2.3 竖井图像拼接 | 第29-36页 |
| 2.3.1 单层高度影像拼接 | 第30-34页 |
| 2.3.2 竖井全景影像生成 | 第34-36页 |
| 第3章 基于影像的竖井病害检测算法 | 第36-60页 |
| 3.1 竖井病害检测需求分析 | 第36-38页 |
| 3.1.1 竖井混凝土病害类型 | 第36-37页 |
| 3.1.2 竖井病害检测精度需求 | 第37-38页 |
| 3.2 病害检测技术路线 | 第38-42页 |
| 3.3 基于机器学习的竖井病害影像检测方法 | 第42-55页 |
| 3.3.1 病害样本库标定及建立 | 第42页 |
| 3.3.2 病害样本特征提取 | 第42-48页 |
| 3.3.3 基于CCA的特征融合与降维 | 第48-50页 |
| 3.3.4 分类器参数调优 | 第50-52页 |
| 3.3.5 多分类器融合决策 | 第52-55页 |
| 3.4 实验结果分析 | 第55-60页 |
| 3.4.1 特征级融合结果 | 第55-56页 |
| 3.4.2 决策级融合结果 | 第56-58页 |
| 3.4.3 病害检测定位结果 | 第58-60页 |
| 第4章 竖井病害检测软件系统的设计与实现 | 第60-73页 |
| 4.1 系统总体设计 | 第60-61页 |
| 4.2 系统详细设计 | 第61-66页 |
| 4.2.1 开发环境 | 第61页 |
| 4.2.2 数据库设计 | 第61-65页 |
| 4.2.3 主界面设计 | 第65-66页 |
| 4.3 模块设计 | 第66-73页 |
| 4.3.1 数据导入和浏览模块 | 第66-67页 |
| 4.3.2 病害标注模块 | 第67-69页 |
| 4.3.3 影像处理模块 | 第69-71页 |
| 4.3.4 病害编辑模块 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间主要研究成果 | 第80-81页 |
| 致谢 | 第81页 |
