| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 数字图像处理 | 第9页 |
| 1.2 课题研究背景 | 第9-10页 |
| 1.3 国内外发展现状 | 第10-11页 |
| 1.4 主要研究内容 | 第11-13页 |
| 第二章 数字图像处理中的基础知识 | 第13-19页 |
| 2.1 灰度图像 | 第13页 |
| 2.2 图像的二值化 | 第13-14页 |
| 2.3 图像分割和边缘检测 | 第14-15页 |
| 2.4 连通分量的定义 | 第15-19页 |
| 2.4.1 相邻像素 | 第15页 |
| 2.4.2 领域的邻接性 | 第15-17页 |
| 2.4.3 提取连通分量 | 第17-19页 |
| 第三章 路面裂缝识别 | 第19-33页 |
| 3.1 Sobel 边缘检测器 | 第20-21页 |
| 3.2 Laplacian 算子 | 第21-22页 |
| 3.3 Haar 变换 | 第22-24页 |
| 3.4 Sobel 算子、Laplacian 算子、Haar 变换在裂缝识别中的应用 | 第24-26页 |
| 3.5 基于均衡性的裂缝识别算法 | 第26-33页 |
| 第四章 路面裂缝检测 | 第33-55页 |
| 4.1 裂缝分割算法 | 第34-46页 |
| 4.1.1 最大熵 | 第35-36页 |
| 4.1.2 最大类间方差法（Otsu） | 第36-37页 |
| 4.1.3 灰度-平均灰度二维直方图 | 第37-39页 |
| 4.1.4 边缘灰度作为分割阈值 | 第39-40页 |
| 4.1.5 k-均值聚类法 | 第40-42页 |
| 4.1.6 根据直方图谷点确定的分割阈值 | 第42-46页 |
| 4.2 裂缝提取 | 第46-50页 |
| 4.2.1 连接关系及谱聚类 | 第46-48页 |
| 4.2.2 裂缝细提取 | 第48-50页 |
| 4.3 基于均衡性裂缝检测算法 | 第50-55页 |
| 总结与展望 | 第55-56页 |
| 攻读学位期间取得的研究成果 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |