| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究目的和意义 | 第16-17页 |
| 1.2 国内外研究的发展概况及存在的主要问题 | 第17-23页 |
| 1.2.1 土的压实度检测方法研究现状 | 第17-21页 |
| 1.2.2 目前压实度检测方法存在的不足 | 第21页 |
| 1.2.3 激光图像技术的研究现状 | 第21-23页 |
| 1.3 存在的问题 | 第23-24页 |
| 1.4 论文的主要内容 | 第24-26页 |
| 第二章 土压实度的激光图像检测理论 | 第26-45页 |
| 2.1 土的压实度评定方法 | 第26-31页 |
| 2.1.1 土的含水率 | 第26页 |
| 2.1.2 含水率的测量方法 | 第26-28页 |
| 2.1.3 最优含水率和最大干密度的确定 | 第28-31页 |
| 2.1.4 土的压实度 | 第31页 |
| 2.2 土的压实理论 | 第31-32页 |
| 2.3 激光在土组织中的传输理论 | 第32-41页 |
| 2.3.1 土组织的结构特点 | 第32-33页 |
| 2.3.2 与生物组织的结构特点比较 | 第33-34页 |
| 2.3.3 土组织的光学特性 | 第34页 |
| 2.3.4 土组织的光学参数 | 第34-36页 |
| 2.3.5 辐射传输理论 | 第36-38页 |
| 2.3.6 漫射近似理论 | 第38-39页 |
| 2.3.7 漫射方程的解 | 第39-41页 |
| 2.4 基于激光图像的土压实度检测方法的系统 | 第41-44页 |
| 2.4.1 土压实度的激光图像检测基本原理 | 第41-42页 |
| 2.4.2 土组织的激光图像检测系统组成 | 第42-44页 |
| 2.4.3 土组织的激光图像检测的关键技术 | 第44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 土组织中激光传输的蒙特卡罗仿真分析 | 第45-58页 |
| 3.1 蒙特卡罗模型 | 第45-47页 |
| 3.2 土组织中激光传输的 Monte Carlo 模拟过程 | 第47-56页 |
| 3.2.1 激光传输的坐标系 | 第47页 |
| 3.2.2 激光光子传输过程 | 第47-54页 |
| 3.2.3 蒙特卡罗模拟的漫反射率 | 第54-56页 |
| 3.3 蒙特卡罗模拟验证漫射近似理论 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 土组织的激光图像试验研究 | 第58-93页 |
| 4.1 试验材料与方法 | 第58-60页 |
| 4.1.1 击实试验 | 第58-59页 |
| 4.1.2 土组织的激光图像实验 | 第59-60页 |
| 4.2 激光图像的处理方法 | 第60-69页 |
| 4.2.1 现有的处理方法 | 第60-68页 |
| 4.2.2 改进的处理方法 | 第68-69页 |
| 4.2.3 两种处理方法的比较 | 第69页 |
| 4.3 测量结果分析 | 第69-73页 |
| 4.3.1 漫反射率与半径之间的关系 | 第69-70页 |
| 4.3.2 漫反射率的变化率与压实度之间的关系 | 第70-71页 |
| 4.3.3 激光图像灰度均值变化率和压实度的关系 | 第71-73页 |
| 4.4 土组织光学特性参数的确定 | 第73-75页 |
| 4.4.1 非线性最小二乘法与拟合结果 | 第73-74页 |
| 4.4.2 光学参数与压实度的关系 | 第74-75页 |
| 4.5 土的激光图像纹理特征提取 | 第75-90页 |
| 4.5.1 纹理定义与特征 | 第76-77页 |
| 4.5.2 纹理表达方法 | 第77-80页 |
| 4.5.3 现有方法的图像纹理提取 | 第80-85页 |
| 4.5.4 改进方法的图像纹理提取 | 第85-87页 |
| 4.5.5 激光图像纹理特征与压实度之间的关系 | 第87-90页 |
| 4.6 激光图像特征与土层厚度的关系 | 第90-91页 |
| 4.7 本章小结 | 第91-93页 |
| 第五章 土的压实度预测模型 | 第93-106页 |
| 5.1 土组织特征的主成分特征 | 第93-98页 |
| 5.1.1 主成分分析简介 | 第93页 |
| 5.1.2 主成分分析基本思想 | 第93-96页 |
| 5.1.3 主成分分析计算步骤 | 第96-97页 |
| 5.1.4 土组织特征的主成分分析 | 第97-98页 |
| 5.2 土压实度预测模型的建立与结果分析 | 第98-105页 |
| 5.2.1 BP 神经网络模型 | 第98-100页 |
| 5.2.2 训练样本的选取 | 第100-101页 |
| 5.2.3 训练样本的归一化处理 | 第101-102页 |
| 5.2.4 网络拓扑结构的确定 | 第102页 |
| 5.2.5 基于 mat1ab 的 BP 神经网络模型的训练 | 第102-103页 |
| 5.2.6 模型的预测误差分析 | 第103-105页 |
| 5.3 本章小结 | 第105-106页 |
| 第六章 土压实度预测模型的试验验证 | 第106-112页 |
| 6.1 土组织的特征提取 | 第106-108页 |
| 6.2 预测模型验证 | 第108-111页 |
| 6.3 本章小结 | 第111-112页 |
| 结论与展望 | 第112-116页 |
| 本文研究内容及结论 | 第112-114页 |
| 本文的主要创新点 | 第114页 |
| 未来研究展望 | 第114-116页 |
| 参考文献 | 第116-123页 |
| 攻读学位期间取得的研究成果 | 第123-124页 |
| 致谢 | 第124页 |