基于机器视觉的排水管道缺陷检测算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 国内外管道检测技术的研究现状 | 第13-14页 |
| 1.3 管道缺陷 | 第14-15页 |
| 1.4 论文的主要研究内容和章节安排 | 第15-17页 |
| 第二章 CCTV管道图像处理 | 第17-28页 |
| 2.1 CCTV采集管道图像信息方法 | 第17-18页 |
| 2.2 管道图像预处理 | 第18-23页 |
| 2.2.1 图像增强技术 | 第18页 |
| 2.2.2 管道图像灰度化 | 第18-19页 |
| 2.2.3 滤波去噪 | 第19-21页 |
| 2.2.4 局部图像增强 | 第21-23页 |
| 2.3 管道图像分割 | 第23-27页 |
| 2.3.1 传统边缘检测方法 | 第23-25页 |
| 2.3.2 低通滤波求差法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 CCTV管道图像模式识别 | 第28-38页 |
| 3.1 图像模式识别系统简介 | 第28页 |
| 3.2 图像特征提取 | 第28-31页 |
| 3.3 分类器设计 | 第31-37页 |
| 3.3.1 BP神经网络简介及其原理 | 第31-32页 |
| 3.3.2 BP神经网络设计 | 第32-35页 |
| 3.3.3 BP神经网络训练 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 三维激光管道图像处理 | 第38-50页 |
| 4.1 三维激光扫描技术简介 | 第38-39页 |
| 4.2 环形线激光扫描系统设计 | 第39-41页 |
| 4.3 提取激光圆环轨迹 | 第41-43页 |
| 4.4 环形激光扫描数据处理 | 第43-49页 |
| 4.4.1 获取激光圆环参数 | 第44-46页 |
| 4.4.2 极坐标转换 | 第46-47页 |
| 4.4.3 极坐标比较判断缺陷类型 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 软件系统设计与实验 | 第50-57页 |
| 5.1 软件系统设计 | 第50-52页 |
| 5.2 实验数据分析与结论 | 第52-56页 |
| 5.2.1 功能性缺陷的特征值分析 | 第52-54页 |
| 5.2.2 BP神经网络识别结果分析 | 第54-55页 |
| 5.2.3 管道激光图像数据分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 总结和展望 | 第57-59页 |
| 1. 本文的主要工作和研究成果 | 第57-58页 |
| 2. 不足之处与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表论文及成果 | 第62-64页 |
| 致谢 | 第64页 |
