一、基于Canny准则的公路路面图像边缘检测算法（论文文献综述）
唐樊龙[1]（2020）在《BIM技术在沥青路面全寿命周期中的应用研究》文中研究指明近十年来,BIM技术已经在全球范围内得到业界的广泛认可,然而当前道路领域在学习与引进BIM技术同时却面临着诸多难题。首先,高速公路的设计不仅包括线形设计,路面设计也是重要环节。路面设计离不开结构分析,目前BIM环境中却缺少与设计同步的沥青路面结构分析功能。另一方面,在施工中更多的是利用BIM进行动态模拟与过程展示,却很少建立BIM为基础的可视化施工质量管控,以及相应的质量预警体系,很难应对工程后期频繁的变更以及施工质量问题。在养护阶段,由于病害数据量大,信息存储困难,文本调阅耗时,很难建立合理有效的成本估算。此外,对于全生命周期的数据整合,模型归档,统一管理,依然缺少完善系统的信息平台,使得高速公路服役后期管理难度大,数据调取困难。因此,针对上述问题,本文基于当前道路BIM技术发展的实际需要,分别从设计阶段,施工阶段,养护阶段,以及搭建信息平台等四个方面展开了系统的研究。具体研究内容如下:（1）开展了基于BIM的典型沥青路面参数化建模与结构分析研究。首先确立Revit作为主要建模软件,通过建立公制常规模型族的方式完成了沥青路面基础模型的创建。然后总结了国内典型沥青路面组合形式,并通过基础模型的参数调整完成了典型沥青路面的三维结构设计。在此基础上,利用Dynamo编程进行了BIM软件的二次开发,完成了在BIM中的三维路线自动设计,然后将结构分析公式以Python语言的方式写入Dynamo程序中,并将设计参数与结构分析参数进行串联,实现了在BIM环境中设计与结构分析的同步进行。此外,为了获取更加准确的结构分析结果,本研究进一步提出了建立数据中转接口,将参数化的BIM模型以数据文件格式导入ABAQUS中,通过借助外部有限元软件计算的方式实现了基于BIM-ABAQUS的典型沥青路面结构的精确分析。（2）进行了基于BIM的沥青路面施工过程模拟与关键参数集成研究。首先采用Dynamo编程创建了能够从Excel自动读取数据的节点程序完成了地质模型创建,然后进行场地模型布置,最后通过Navisworks完成沥青路面施工的模拟。接下来以智能压实技术为基础,建立了基于BIM的沥青路面压实质量评价体系。首先通过MATLAB用最小标准差的方式将压实参数进行区域划分,以代表性压实度参数建立了基于BIM-GIS的沥青路面的压实质量监控体系,实现了将智能压实获取的质量参数以直观可视的图像表达取代传统的数据繁多读取困难的Excel表达。然后采用层次分析法以专家打分的方式通过C#语言编程建立了沥青路面施工质量的可视化评估程序。最后本文针对沥青路面施工过程中典型的级配离析病害为研究对象,结合图像处理采用基尼不纯度模型建立了基于图像识别的沥青路面级配离析病害参数获取,并将图像识别结果反馈到三维的BIM模型中建立预警提示,建立了基于BIM的沥青路面施工离析质量状况预警体系。（3）针对养护阶段的BIM技术应用不足,开展了沥青路面病害的BIM参数化集成与成本模型构建研究。为构建基于BIM的参数化病害模型,首先采用Context Capture利用三维重构技术重构了沥青路面病害的三维模型。另一方面,针对局部病害利用Revit建立基础参数模型的功能,直接在BIM模型中建立三维的病害模型然后进行病害纹理贴图,实现病害的精细建模。然后将完成的参数模型导入到道路总体模型中,实现病害尺寸参数在BIM模型中直接测量获取,同时建立关注点,详细记录病害的其他关键信息方便后期查询。在此基础上,接下来是建立基于BIM模型的养护成本估算。首先结合江苏省历年的养护资料建立不同养护措施的平均费率,通过三维道路模型中的病害信息建立养护成本估算程序。然后结合公路技术状况评定标准与养护设计规范,以SRI、RQI、PCI、RDI等公路技术状况评价指标对上述建立的养护成本估算程序进行了优化,最终建立了基于数据式与三维病害图像相结合的沥青路面自主养护决策模型。（4）开展了基于BIM的建管养一体化运维信息平台的研究。建立了沥青路面全生命周期数据采集模式,并对采集的数据建立了基于IFC格式的信息表达方式。在此基础上,通过DW网页编程软件,建立了基于全生命周期BIM式数据采集的一体化运维管理平台。信息平台主体部分包括密码式的加密窗口登录界面,平台主页总体信息概况以及大类目录标签,视频与模型文件存储查询专区,数据文件详细资料归类专区等。
吴治龙[2]（2020）在《基于深度图像的道面病害检测与测量方法研究》文中研究表明民航运输是我国交通行业不可或缺的组成部分。随着我国经济快速发展,机场使用年限的增加和机场起降飞机架次的增多,机场道面不可避免地出现病害,降低了道面平整性,产生严重的飞行安全隐患。为保障航班安全起降,降低事故风险,及早地发现病害并及时进行维护有重要的现实意义。道面主要病害为裂缝病害,而且多种道面病害早期表现也为裂缝,因此,本文对基于深度图像的道面裂缝病害检测与测量方法进行了深入研究,主要研究内容与工作如下:1、针对深度图像采集平台剧烈震动和道面表观结构复杂对裂缝检测的双重强干扰问题,提出了一种基于曲线拟合的道面裂缝检测方法。首先,设计了基于L2正则化约束改进的道面主轮廓曲线拟合模型,然后利用改进贪心策略的对拟合模型进行优化;最后,提取并融合多方向的机场道面主轮廓,并利用裂缝的深度与形态信息实现裂缝提取。实验结果表明,算法能准确地提取道面主轮廓并实现裂缝的精准检测。2、针对基于曲线拟合的道面裂缝检测方法提取的道面主轮廓在三维空间中没有较好的连续性的问题,提出了基于曲面拟合的道面裂缝检测算法。首先,在将深度图像划分为若干交叠的网格区域,针对每个网格区域基于RANSAC算法进行局部三次曲面构建;然后,融合全部网格区域的曲面模型,从而生成全局曲面模型;最后,利用全局曲面模型与原始深度图像之间的差值图像,采用自适应阈值方法分割出候选裂缝像素,并利用多种形态学约束对候选裂缝像素进行筛选。对比实验表明,算法在道面主轮廓提取中增加了道面三维空间连续性,获得了更好的裂缝检测结果。3、针对已提取的三维裂缝信息,提出了一种基于形态学的裂缝长度和宽度测量方法。首先,使用K3M算法提取裂缝的骨架,计算骨架长度获得裂缝的长度;然后,计算裂缝上下边缘与骨架局部法线交点的距离获得裂缝的宽度。本文算法可测量病害的基本特征,为道面裂缝特征参数的准确计算和精准修补工作提供技术支持。
邓涵宇[3]（2020）在《基于多尺度与机器学习的路面裂缝图像高精度快速识别方法与应用》文中研究指明近年来我国公路里程大幅增长,公路的无损检测与养护管理日益成为一个重要的研究方向。基于路面图像的路面裂缝类病害的快速识别与提取对路面检测与养护有很大研究价值。本研究基于机器学习与数字图像处理方法对路面图像中的裂缝区域识别与提取技术进行了研究,主要研究内容如下:首先,使用了YOLO v3深度神经网络模型对全车道宽度的高精度路面图像进行了快速裂缝识别。YOLO v3神经网络模型使用了包含53个卷积层的Darknet-53神经网络,并采用了多尺度融合特征网络以提高对尺度较小目标的检测效果。结果显示基于YOLO v3的车道尺度路面图像裂缝检测具有识别处理速度快,识别精度相对较高的优点,可实现基于路面信息采集车辆的实时路面裂缝检测与标记。其次,应用了空间域滤波和灰度变换以抑制路面图像中的图像噪声并提高路面二维图像的对比度,提出并应用了分别基于线阵相机系统特性和改进顶帽/底帽变换的路面图像不均匀曝光矫正以消除不均匀曝光对路面二维图像的影响,提出并应用了基于最佳全局阈值的路面二维图像归一化以提高路面图像裂缝区域识别与提取的效果。本研究使用的一系列图像预处理算法和图像自适应归一化算法有效地降低了路面图像的多样性,提高了以路面图像为处理对象的路面裂缝目标检测和裂缝区域分割的处理效果,为后续对路面裂缝区域的提取打下了良好的基础。再次,提出了基于区域生长的自适应改进路面裂缝提取方法以从经过预处理与归一化的路面图像中识别和提取裂缝区域。裂缝区域提取方法有效地抑制了复杂路面背景下不均匀曝光、高亮度路面纹理等干扰因素对路面裂缝区域识别和提取的影响,获取较为完整的路面裂缝区域。其在不同路面信息采集系统获得的路面图像中,特别是在经典算法难以得到理想结果的具有复杂路面背景的裂缝图像中均取得了令人满意的效果,具有很好的鲁棒性。此外,路面图像归一化的理念与方法在基于数字图像处理技术的路面裂缝区域提取中取得了良好的效果,达到抑制路面高亮度纹理对裂缝区域提取影响的作用,并有效了提高了经典算法的性能。。最后,使用形态学闭操作对于图像分割得到的裂缝区域进行连接,并使用形态学细化处理裂缝区域以提取裂缝区域特征信息,同时完成路面图像裂缝识别与裂缝区域提取系统的批量化处理设计与架构。
李润青[4]（2020）在《基于数字图像处理的路面裂缝提取方法研究》文中进行了进一步梳理道路建设及发展在全国乃至全世界的交通基础设施中都占据着举足轻重的地位。然而在道路的使用过程中,不可避免地出现各种破损、坍塌和变形等病害,给社会经济和交通安全带来威胁和损失。而这些病害都与裂缝相关,由于裂缝的成因、形状以及类型的不同,对路面结构的危害性也有很大的区别。因此,裂缝的检测和识别成为了一个热点研究问题,尤其是在图像处理和机器学习等信息技术高速发展的背景下,基于图像特征的裂缝提取就成为了工程应用和科学研究中最为活跃的研究热点。本文的研究目标是利用路面裂缝图像,进行裂缝的提取及分类,总共设计了三个步骤来实现这个目标。（1）首先,论文经过分析裂缝图像的特点后,图像预处理工作包括三个方面:（a）提出了一种基于距离加权的图像缩小算法;（b）设计了一种基于分数阶积分的图像平滑处理模板;（c）改进了一种图像增强的分数阶微分模板算法。通过与传统算法进行对比分析,验证了上述三种算法的优越性。（2）其次,针对裂缝提取问题,分成两个主要部分:（a）提出了一种裂缝中心线特征点的提取算法;（b）基于水动力学的裂缝中线连接算法。基于与传统算法的分析比较,对于明显线状的裂缝图像,新算法能够获得比较好的图像分割效果。（3）最后,针对裂缝分类问题,设计了一种基于SVM的裂缝分类算法,该算法将裂缝目标分成了四个类别。为了辅助裂缝的分类,提出了两种裂缝图像特征构建方法:（a）裂缝目标的计数特征构建方法;（b）裂缝目标的形状特征构建方法。分类算法令人满意。实验表明:（a）论文提出的裂缝图像预处理算法相比于传统算法来说,具有较好的预处理效果;（b）提出的裂缝中心线提取算法能够较为准确地提取具明显线状特征的裂缝;（c）建议的裂缝分类方法拥有较高的裂缝分类精度,在测试集中的平均测试精度可以达到90%以上。
刘阳[5]（2019）在《基于表面细观纹理的钢桥面沥青混凝土铺装抗滑机理研究》文中研究说明钢桥面铺装因特定受力环境和使用要求,其表面抗滑性能受到关注。影响沥青混凝土铺装抗滑性能的本质是其表面宏观纹理和微观纹理,而不同尺度纹理受材料设计和施工条件影响,具有明显的随机性和复杂性。现阶段常用的纹理表征参数并不能描述多尺度纹理空间分布特征,路表纹理特征与抗滑性能的量化关系尚待深究。钢桥面铺装行车安全性受轮胎与铺装摩擦特性的影响,基于路表形貌的胎路接触理论有待完善。由于设计阶段对钢桥面铺装抗滑性能的预估不准确,对行车安全造成较大的影响。为此,本文依托国家自然科学基金面上项目“钢桥面铺装细观纹理抗滑机理及性能衰减演化研究”（No.51678146）和东南大学优秀博士学位论文基金（No.YBJJ1680）,通过对路表空间纹理形貌的重构,探究了不同尺度空间纹理对钢桥面铺装抗滑影响机理及性能衰减规律,在轮胎-铺装细观接触摩擦模型研究基础上,构建了适用于钢桥面铺装结构的轮胎-水膜-铺装多相接触模型,并揭示了纹理特征、轮胎运动及流体介质对抗滑性能的耦合作用。论文研究方法为钢桥面铺装行车安全性分析提供了新的技术手段,研究成果初步建立了细观纹理对钢桥面铺装抗滑机理及性能衰减演化影响规律,也为明确安全行车的纹理构造、限速要求及抗滑最佳修复时机等提供了理论依据。首先,采用切片光学扫描技术获得了沥青混凝土试件断面图像,基于Canny边缘检测算法,并结合腐蚀膨胀算法和边缘坐标读取算法,开发了一种沥青混凝土铺装表面纹理轮廓线提取技术,可以有效地保存铺装表面纹理轮廓细节和信息;运用Hilbert-Huang变换技术处理铺装表面纹理轮廓信息,剔除与抗滑性能无关的构造分量,并结合频谱分析方法提出了沥青混凝土铺装表面不同尺度纹理的形貌分布特征参数。其次,设计了钢桥面铺装结构抗滑性能多因素多水平正交试验,获得不同设计、施工条件下钢桥面铺装纹理特征参数和抗滑性能指标参数数据,通过不同尺度纹理形貌分布特征参数与抗滑性能的相关性分析,建立了不同尺度纹理对抗滑性能的影响关系,并在此基础上采用逐步回归方法建立了基于纹理特征参数的动态摩擦系数预测模型;开展了钢桥面铺装设计、施工因素对抗滑性能影响显着性分析,并对抗滑性能影响关键因素进行参数化研究,在此基础上建立了基于GA-BP神经网络的钢桥面铺装抗滑性能评估模型,实现了设计阶段对建成后铺装结构抗滑安全性能的有效评估;采用行车荷载模拟系统MMLS3开展钢桥面铺装室内加速磨耗试验,研究纹理退化与抗滑性能衰减演化的相关性,并建立了钢桥面铺装抗滑性能预测模型。然后,通过单轴拉伸试验和DSR试验确定了橡胶材料的超弹性和黏弹性材料参数,建立了带复杂胎面花纹的子午线轮胎有限元模型,并模拟分析了钢桥面铺装结构轮胎接地特性;采用X-ray CT断层扫描技术和改进最大类间方差自适应阈值算法对钢桥面铺装表面构造特征进行图像处理,并基于逆向体视学理论及体素建模技术,建立了钢桥面铺装三维数值模型,较好地还原了铺装表面细观纹理构造细节;引入Klüppel/Heinrich橡胶摩擦理论揭示了行驶轮胎与钢桥面铺装迟滞摩擦分量产生机制,在此基础上建立了轮胎-铺装细观接触摩擦模型,明确了橡胶滑移速度、橡胶黏弹性能、铺装表面形貌特征等对胎路摩擦影响关系;建立了行驶轮胎与钢桥面铺装相互作用分析模型,并采用压力胶片技术对模型有效性进行了验证,在此基础上通过模拟计算不同工况下轮胎附着系数和制动距离进行钢桥面铺装抗滑行为分析。最后,基于CEL算法建立了轮胎-水膜-铺装耦合分析模型,通过对钢桥面铺装高速行驶轮胎的滑水现象进行模拟,对比分析了不同工况下轮胎的滑水性能,初步建立了轮胎操纵条件、水膜厚度、铺装表面形貌特征等因素对降雨条件下钢桥面铺装行车安全性的影响规律。
蒋威[6]（2019）在《路面裂缝病害的自适应阈值分割算法研究与实现》文中进行了进一步梳理我国高等级公路网建设已跻身于世界领先地位,随着公路的发展日趋成熟和完善,裂缝检测成为路面养护管理部门的关注重点。传统的人工检测已无法满足现代公路快节奏发展需求,使得自动化路面裂缝病害检测技术变得尤为重要。近年来,数字图像处理技术的快速发展为裂缝自动检测提供了新空间。本文重点对路面裂缝检测最为关键的分割算法进行深入研究。对于实际路面裂缝图像,一方面存在光照不均匀、环境噪声等外在干扰,另一方面裂缝自身方向复杂多变。因此,实现理想的分割是路面裂缝检测中的难点。针对目前的一些研究算法处理过程繁琐,效果不明显等问题,本文选择基于自适应阈值的分割算法以实现复杂度和分割质量之间的平衡,并且介绍了基于阈值的相关算法基本原理。在此基础上,本文首先结合雷达信号检测和数字图像处理的相关技术,提出一种基于一维恒虚警模型的自适应阈值裂缝分割算法。该方法通过抽取图像一维像素灰度值建立信号模型,利用雷达信号处理中恒虚警算法模型进行阈值检测,判断路面裂缝信号是否存在,得到裂缝灰度-位置信息,进而将裂缝从图像中分割出来。接着提出一种基于二维统计特征的D邻域滑动窗自适应阈值裂缝分割算法。该方法利用图像灰度分布的统计特征结合D邻域滑动窗对像素点依次阈值判别,最后对其结果形态学滤波完成精确的裂缝分割。最后,使用MATLAB仿真结合FPGA硬件实现进行算法理论验证。以横向、纵向以及块状三种不同类型裂缝为例,实验结果表明本文提出的两种算法不仅可以完成非均匀背景下不同类型裂缝的准确分割,而且相比传统边缘检测算法分割的质量提升明显,完全可以满足现代化路面裂缝病害检测的要求。
马利[7]（2020）在《基于图像处理的路面裂缝检测系统设计》文中进行了进一步梳理通车年限、交通荷载、环境因素的反复作用使得高速公路路面裂缝病害的问题日益突出,设计一个科学、完善、实用的高速公路路面裂缝检测系统,是提高公路技术状况评定工作水平的重点,也是现代信息技术与网路技术发展的必然。计算机视觉技术和神经网络理论的高速发展,使得基于空间分布特征的路面裂缝图像识别方法研究成为可能,既可以解决高速公路养护部门的当前技术难题,又可以方便地应用到汽车自动驾驶系统中,具有较大的应用价值。本文首先分析了现有道路综合检测车技术指标和总体架构,设计了针对日常巡检实际的软件升级模块结构;其次提出了一种基于空间分布特征的路面裂缝识别方法,用于道路综合检测车系统软件升级,该方法利用空间分布特征和反向传播神经网络模型实现了自动路面裂缝分类,采用方向编码（D-Coding）算法对裂缝子部分进行编码并提取方向特征,同时采用Delaunay三角剖分技术进行分析裂缝区域结构和提取密度特征,然后利用设计的反向传播神经网络模型进行高速公路路面裂缝图像分类。计算机仿真测试结果表明该方法分类精确度超过92%,最大识别率为92.9%;最后,本文基于Visual Studio 2010和Open CV3.4.1设计了基于计算机视觉技术的路面裂缝检测系统软件升级模块,软件升级模块实现了裂缝图像增强、路面裂缝空间特征和密度特征提取、基于反向传播神经网络的裂缝图像识别、路面裂缝图像存储模块、线阵相机的标定模块、病害等级与指标计算等功能,给出了相关的软件流程图以及部分关键代码。基于数字图像处理的路面裂缝检测系统测试结果表明,本文设计的道路综合检测车路面裂缝检测系统软件升级模块功能检测合格,并达到预期目标,系统软件能够自动检测高速公路路面裂缝,并能计算有关技术指标,具备实用性。
马嘉文[8]（2019）在《基于图像处理的大坝裂缝检测算法研究》文中认为中国大坝水库总量雄踞世界第一,然而水库的溃坝率、老化率等问题十分严重。传统的大坝检测主要是依靠人工检测,人工检测具有易出现危险,不够精确,以及浪费人力物力等缺点。大坝裂缝图像受大坝环境的影响往往存在对比度低、光照不均匀以及表面噪声干扰严重的问题。使用计算机图像处理技术直接对大坝图像进行图像裂缝提取检测效果十分不理想,而大坝图像的纹理噪声干扰问题、水下大坝图像的模糊难以识别问题、复杂裂缝的骨架提取问题无不增加了大坝裂缝检测的困难。针对水上大坝图像的纹理噪声干扰问题,本文通过分析噪声信号的频谱特征,得出噪声信号与图像信号的频谱关系,使用基于小波变换的图像去噪算法进行去噪。算法首先对图像信号进行离散小波化处理,用小波函数进行2层分解。接着,设置阈值过滤掉噪声信号,然后通过两次重构得到最终的去噪图像。针对水下大坝图像难以识别的问题,根据大坝裂缝水下成像模型展开图像增强技术的研究。本文提出的暗通道图像增强算法利用暗通道先验理论对散射折射模型进行推演,得出图像的复原表达式。算法通过下采样及导向滤波快速地获取大气光值及透射率,利用加权求和的方式对透射率进行优化,并依据大气光值及透射率值反求得到增强图像。本文提出基于mask原理的大坝图像匀光算法解决光照不均对水下大坝图像成像造成的干扰。算法通过建立矩形滤波掩模,将大坝水下裂缝图像与矩形滤波掩模做二维卷积从而拟合出水下大坝图像的光照强度变化图。利用mask模型反求得到初步的匀光图像,紧接着进行拉伸增强得到最终的匀光结果。针对PCNN算法使用需要花费大量时间调参的问题,本文提出了基于遗传算法的PCNN图像分割算法,通过遗传算法最优搜寻PCNN所需的阈值矩阵,可以自动化地完成图像的分割功能,极大地降低了人工调参所需的成本。最后根据数学形态学以及连通域原理对得到的骨架裂缝进行了参数计算,从而能够自动化地完成裂缝检测。
李保险[9]（2019）在《基于路面三维图像的沥青路面裂缝自动识别算法》文中研究表明路面裂缝类病害是多数路面破损的早期形式,及时对裂缝进行检测并进行修补可以减少由于路面病害带来的损失。科学技术的不断发展使自动化路面病害检测取代人工现场调查成为了主要手段。路面三维高精度检测系统的问世与日渐成熟,为路面病害的自动化调查开辟了新天地。但目前的基于路面二维或三维图像的识别算法不足以支撑全自动化的路面病害识别技术。较为先进的路面病害检测系统仍采用自动化的路面数据采集+人工病害识别的方式。因此,本文以高精度路面三维数据为基础,并结合其特点,将卷积神经网络、张量投票、图像预处理、多尺度多方向图像特征提取等理论知识应用于路面裂缝图像的去噪、裂缝区域提取和病害图像分类中,旨在进一步提高路面裂缝区域提取精度以及路面裂缝分类效果,丰富针对路面三维数据处理的理论研究,对推动路面病害全自动化检测具有一定的工程意义。本文综述了国内外路面自动化病害数据采集系统的研究现状,并针对各类路面裂缝自动识别与分类算法论述了其不足之处。通过总结归纳路面自动检测技术领域目前存在的问题,提出了本文的研究内容和技术路线,并展开如下一系列的研究:1.针对高精度路面三维图像的特点,提出了判断是否存在图像拼接不平顺的算法,并通过区域图像增强技术消除了图像的阶跃现象。利用多尺度二维高斯滤波器,判断路面图像的是否存在强点状噪声,并予以消除。由于路面三维图像动态范围差异较大,为后续路面裂缝提取造成一定的困难,因此采用大尺寸二维高斯卷积核构造区域均值路面图像,并应用该构造图像与原路面病害进行信息融合。通过以上的图像预处理技术不仅能够消除由于检测系统缺陷、图像数据噪声等因素造成的图像动态范围差异较大对图像质量的不利影响,为后续的路面裂缝提取奠定基础。2.利用人工神经网络理论,搭建了4种用于路面裂缝图像分类的卷积神经网络,并为此组建了含有28,000余张路面病害图像的训练库。卷积神经网络由8层结构组成（不含输入层）,用于区分5种路面病害图像,即非裂缝图像、横向裂缝图像、纵向裂缝图像、块状裂缝图像和龟裂图像。经过测试与训练,证明这4种卷积神经网络结构均能实现路面裂缝图像分类。3.针对卷积核尺寸、学习率和Batchsize三个重点的卷积神经网络超参数的设置问题,设计了三因素四水平的正交试验。根据卷积神经网络训练及应用中普遍关心的问题,选定考察指标为识别准确率、达到收敛的迭代次数,以及每个Epoch的运行时间。利用SPSS生成的正交试验表,进行了16组试验,并提取试验结果。在提取达到收敛的迭代次数指标时,提出了混合收敛判断准则。实践证明该混合收敛判断准则适用于本次试验结果的提取。通过正交试验结果的直观分析得出了各个因素对不同考察指标的主次影响顺序。同时,得到最优超参数水平组合,经过验证得出该最优超参数水平组合的沥青路面病害图像识别准确率高达99.5%。4.以沥青路面病害图像分类结果为基础,设计了用于提取路面裂缝病害的算法。该算法包含四个主要部分:1)路面三维图像预处理;2)根据卷积神经网络的分类结果和沥青路面三维图像中裂缝区域的数据特点,设计了可调式滤波器组合（SMFB）。通过多个方向和多个尺度的SMFB提取路面裂缝区域,进而获得含有噪声的裂缝二值图像;3)应用张量投票法对含有间隙的裂缝碎片进行连接,并与原路面裂缝二值图像进行逻辑或运算;4)采用二值图像后处理方法,去除噪声得到裂缝二值图像。针对200张源自于不同采集条件的沥青路面病害图像进行算法评估。经过验证,该算法的准确率在84%与97%的范围内波动,平均准确率可达88.38%;召回率在85%99%范围内波动,平均召回率可达93.15%;F值在85%97%范围内变化,其平均值可达90.68%。测试结果表明本文算法能实现较高准确率的沥青路面裂缝自动提取,并具有较好的普适性。在整个路面裂缝病害提取的过程中,算法中的所有参数取值均为固定值,无需人工干预算法的执行。也就是说,没有必要根据实际采集条件或三维路面图像的质量来调整算法中各个算数的设置。因此,该算法能够在无人工干预的情况下,实现全自动化的沥青路面裂缝提取,具有较高的鲁棒性。
耿明月[10]（2018）在《基于渗流模型的图像裂缝边缘检测方法研究》文中指出随着我国交通道路建设的日益完善,交通事业体系越来越关注于公路基础设施的状况检测以及养护。公路路面的破损程度严重影响了道路的运营,裂缝作为破损病害的常见形态,若能及时对其进行检测及修补则可以保证交通道路的行车安全,延长其运营寿命。因此,基于数字图像处理的路面裂缝智能检测方法的研究具有一定的现实意义。现有的裂缝检测算法主要针对裂缝目标的完整提取,工程实际的应用需求往往无需高质量高分辨率的裂缝图像,因此,本文深入研究公路路面裂缝边缘检测方法,并从裂缝图像全局及局部特征分析公路路面裂缝特点,对裂缝边缘检测过程中的边缘检测、裂缝目标提取等关键步骤进行研究,提出一种基于渗流模型的图像裂缝边缘检测方法。该方法设计一种自适应阈值化方法提取裂缝边缘候选点,并基于渗流模型思想,结合梯度信息,提出一种裂缝边缘检测方法。本文主要进行了以下几方面的研究工作:1.深入研究了传统裂缝检测及边缘检测方法,在对公路路面图像进行显性特征增强等预处理的基础上,结合公路路面裂缝图像的全局及局部特征,提出一种自适应的裂缝边缘候选点提取方法。本文设计的提取方法是根据边缘点梯度信息,对路面裂缝图像进行自适应阈值化分割,提取出裂缝边缘候选点,实现了裂缝边缘区域主体的快速定位。2.本文基于渗流模型思想,将裂缝边缘相似相邻强度、裂缝边缘与背景的灰度差异性进行综合考虑,改进了聚簇特征判定条件,实现裂缝边缘检测;并针对渗流模型检测效率低的问题,提出了一种裂缝边缘候选点提取下的裂缝边缘检测方法,提高了检测的效率和精确度;对提取出的裂缝边缘可进一步通过形态学操作实现裂缝目标的完整提取。3.本文研究基于渗流模型的公路路面裂缝边缘检测方法,设计一套完整的公路路面裂缝边缘检测系统,从图像载入、裂缝图像预处理、裂缝边缘候选点提取、裂缝边缘检测到输出结果存储,系统可以进行实时处理,满足工程实际的基本需求,实现快速、精确地裂缝目标定位。
二、基于Canny准则的公路路面图像边缘检测算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Canny准则的公路路面图像边缘检测算法（论文提纲范文）
（1）BIM技术在沥青路面全寿命周期中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 BIM技术的发展现状 |
| 1.2.2 BIM技术在道路工程设计阶段的研究现状 |
| 1.2.3 BIM技术在道路工程施工阶段的研究现状 |
| 1.2.4 BIM技术在道路工程管养阶段的研究现状 |
| 1.2.5 基于BIM信息数据平台研发的相关研究 |
| 1.3 当前公路工程全生命周期运维管养面临的问题 |
| 1.4 研究目的与意义 |
| 1.5 主要研究内容与技术路线 |
| 1.5.1 主要研究内容 |
| 1.5.2 主要研究方法与技术路线 |
| 第二章 典型沥青路面的参数化建模与结构分析 |
| 2.1 参数化模型建立 |
| 2.1.1 Revit简介 |
| 2.1.2 族构件创建 |
| 2.1.3 参数化模型创建 |
| 2.2 典型沥青路面结构设计 |
| 2.2.1 沥青路面组合类型 |
| 2.2.2 典型路面结构组合 |
| 2.2.3 代表性道路的参数化建模 |
| 2.3 基于Dynamo的沥青路面自动化设计与结构分析 |
| 2.3.1 利用Dynamo实现路面参数可控的三维道路 |
| 2.3.2 结构分析的参数准备 |
| 2.3.3 基于Dynamo的路面结构分析 |
| 2.4 基于BIM的数据中转系统的研发 |
| 2.4.1 数据转换方法 |
| 2.4.2 数据转换接口的研发 |
| 2.5 基于ABAQUS-BIM模型的力学性能验算 |
| 2.5.1 基于BIM-ABAQUS转换接口的参数化模型数据转换 |
| 2.5.2 典型路面的ABAQUS结构分析 |
| 2.6 本章小结 |
| 第三章 基于BIM的沥青路面施工过程模拟与关键参数集成 |
| 3.1 高速公路沥青路面的施工技术 |
| 3.1.1 高速公路沥青路面的施工 |
| 3.1.2 高速公路沥青路面施工技术要点 |
| 3.1.3 当前施工及管理中存在的问题 |
| 3.2 基于BIM的沥青路面可视化施工模拟 |
| 3.2.1 施工模拟的重要性及其意义 |
| 3.2.2 基于BIM的施工场景构建 |
| 3.2.3 基于BIM的施工过程模拟 |
| 3.3 基于BIM的路基施工质量管控 |
| 3.3.1 高速公路路基施工质量控制要点 |
| 3.3.2 路基压实度对路面性能的影响 |
| 3.3.3 确立压实度作为施工质量评定标准 |
| 3.3.4 基于BIM-ArcGIS的智能压实质量的可视化监控 |
| 3.4 基于BIM的沥青路面施工信息集成与质量性能评价 |
| 3.4.1 沥青路面施工信息的参数化集成 |
| 3.4.2 层次分析法方法介绍 |
| 3.4.3 基于层次分析的沥青路面施工质量评价 |
| 3.5 基于BIM的沥青路面施工质量预警 |
| 3.5.1 沥青混合料离析的相关研究 |
| 3.5.2 集料的边缘检测 |
| 3.5.3 集料图像分割 |
| 3.5.4 沥青混合料的离析程度表征 |
| 3.5.5 基于BIM的可视化呈现与预警机制的建立 |
| 3.6 本章小结 |
| 第四章 沥青路面病害的BIM参数化集成与成本模型构建 |
| 4.1 基于Context Caputer的沥青路面病害三维模型重构 |
| 4.1.1 三维重构技术的基本原理与简介 |
| 4.1.2 基于Context Caputer的沥青路面病害三维模型重构 |
| 4.2 沥青路面病害信息的参数化建模 |
| 4.2.1 Revit中的基础病害模型制作 |
| 4.2.2 病害纹理贴图 |
| 4.2.3 病害模型融入到BIM模型中 |
| 4.3 沥青路面病害信息的存储与管理 |
| 4.3.1 沥青路面病害信息的存储备案 |
| 4.3.2 基于BIM模式的沥青路面病害信息管理 |
| 4.4 基于BIM模式的养护成本估算 |
| 4.4.1 沥青路面全生命周期成本分析理论框架 |
| 4.4.2 沥青路面养护阶段的成本分析 |
| 4.4.3 基于模型的养护成本估算 |
| 4.5 基于BIM的养护自主决策模型建立 |
| 4.5.1 预防性养护决策的方法与过程 |
| 4.5.2 基于BIM的养护决策分析 |
| 4.5.3 养护自主决策模型的建立 |
| 4.6 本章小结 |
| 第五章 基于BIM的建管养一体化运维管理平台研发 |
| 5.1 沥青路面全生命周期数据的采集 |
| 5.2 沥青路面全生命周期数据的处理与表达 |
| 5.2.1 IFC标准的信息表达方式 |
| 5.2.2 基于IFC格式的数据表达 |
| 5.3 信息的上传与导入 |
| 5.3.1 信息创建过程 |
| 5.3.2 信息的传递与存储 |
| 5.3.3 信息共享与协同工作 |
| 5.4 一体化信息平台的研发 |
| 5.4.1 开发平台介绍 |
| 5.4.2 平台的总体设计 |
| 5.4.3 平台的可视化展示与功能的实现 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 主要创新点 |
| 6.3 进一步的研究建议 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文及专利申请 |
（2）基于深度图像的道面病害检测与测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外道面病害检测算法研究现状 |
| 1.2.1 道面病害自动检测系统 |
| 1.2.2 基于立体视觉的道面病害检测方法 |
| 1.2.3 基于三维激光扫描技术的道面病害检测方法 |
| 1.2.4 基于结构光的道面病害检测方法 |
| 1.2.5 基于深度图像的道面病害检测技术现状总结 |
| 1.3 本文的研究内容 |
| 1.4 论文的结构安排 |
| 第二章 基于曲线拟合的道面裂缝检测算法 |
| 2.1 道面深度图像分析 |
| 2.2 基于曲线拟合的道面裂缝检测算法设计 |
| 2.3 基于曲线拟合的道面裂缝检测算法实现 |
| 2.3.1 基于贪心策略和正则化相结合的道面主轮廓模型构建 |
| 2.3.2 基于道面主轮廓模型的深度图像道面裂缝检测 |
| 2.4 实验结果与分析 |
| 2.4.1 实验配置与数据集 |
| 2.4.2 主轮廓提取对比实验 |
| 2.4.3 道面细小裂缝识别对比实验 |
| 2.5 本章小结 |
| 第三章 基于曲面拟合的道面裂缝检测算法 |
| 3.1 基于曲面拟合的道面裂缝检测算法设计 |
| 3.2 基于曲面拟合的道面裂缝检测算法实现 |
| 3.2.1 局部道面区域划分 |
| 3.2.2 局部道面模型估计 |
| 3.2.3 全局道面模型生成 |
| 3.2.4 裂缝像素的提取与筛选 |
| 3.3 算法时间复杂度分析与参数设置 |
| 3.3.1 算法时间复杂度分析 |
| 3.3.2 参数设置 |
| 3.4 实验结果与分析 |
| 3.4.1 实验配置与数据集 |
| 3.4.2 评估指标 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于形态学的道面裂缝测量算法 |
| 4.1 基于形态学的裂缝测量算法 |
| 4.1.1 裂缝区域提取 |
| 4.1.2 裂缝长度测量 |
| 4.1.3 裂缝宽度测量 |
| 4.2 实验结果 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来研究工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（3）基于多尺度与机器学习的路面裂缝图像高精度快速识别方法与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 路面信息自动采集系统 |
| 1.2.2 基于传统数字图像处理(Digital Image Processing)的路面裂缝检测_ |
| 1.2.3 基于图像识别与深度学习的路面裂缝检测 |
| 1.3 主要研究内容 |
| 1.4 研究的技术路线 |
| 第二章 基于YOLO v3的车道尺度下快速路面裂缝检测 |
| 2.1 深度学习与目标检测 |
| 2.2 YOLO v3神经网络模型 |
| 2.2.1 DarkNet-53神经网络 |
| 2.2.2 多尺度特征提取结构 |
| 2.3 训练方法 |
| 2.3.1 Adam优化器 |
| 2.3.2 交互比(Intersection over Union,IoU) |
| 2.4 性能评估 |
| 2.5 本章小结 |
| 第三章 路面二维图像预处理与自适应归一化 |
| 3.1 路面二维图像采集 |
| 3.1.1 单线阵相机系统 |
| 3.1.2 双线阵相机系统 |
| 3.1.3 面阵相机系统 |
| 3.2 基于图像空间域的路面图像预处理 |
| 3.2.1 空间域低通滤波降噪 |
| 3.2.2 灰度变换 |
| 3.3 不均匀曝光校正 |
| 3.3.1 基于线阵相机特性的一维灰度均光算法 |
| 3.3.2 基于迭代均值滤波器改进顶帽/底帽变换的均光算法 |
| 3.4 基于最佳全局阈值方法(Otsu)的路面复杂背景信息去除 |
| 3.5 基于迭代Otsu方法的自适应路面图像归一化原理 |
| 3.6 图像预处理的效果与讨论 |
| 3.6.1 不均匀曝光矫正与路面图像归一化的定量化指标对比 |
| 3.6.2 图像归一化对路面裂缝识别效果的影响 |
| 3.7 本章小结 |
| 第四章 基于改进区域生长的自适应路面裂缝区域提取 |
| 4.1 获取置信区域与裂缝区域骨架 |
| 4.2 使用Canny边缘检测限制生长范围 |
| 4.3 基于改进区域生长的自适应裂缝区域重建 |
| 4.4 多源路面图像裂缝识别提取性能 |
| 4.5 自适应改进区域生长算法与已有图像分割算法的比较 |
| 4.6 本章小结 |
| 第五章 裂缝特征信息提取与路面图像的批量化处理 |
| 5.1 裂缝区域连接 |
| 5.2 裂缝区域特征信息提取 |
| 5.3 路面图像的批量化处理 |
| 5.4 本章小结 |
| 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 主要创新点 |
| 6.3 有待于进一步研究的问题 |
| 攻读硕士学位期间发表的论文及专利 |
| 论文 |
| 专利 |
| 会议展示 |
| 致谢 |
| 参考文献 |
（4）基于数字图像处理的路面裂缝提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 路面破损分类 |
| 1.3 国内外研究现状 |
| 1.4 本文研究内容及技术路线 |
| 第二章 基于距离加权图像缩小、分数阶积分图像平滑、分数阶微分图像增强道路裂缝图像预处理 |
| 2.1 本章引言 |
| 2.2 路面图像的采集与图像预处理 |
| 2.3 道路裂缝图像的特点 |
| 2.4 基于距离加权的图像缩小算法 |
| 2.5 基于分数阶积分的图像平滑处理 |
| 2.6 改进分数阶微分模板的图像增强方法 |
| 2.7 裂缝图像预处理总体算法 |
| 2.8 本章小结 |
| 第三章 基于Steger的裂缝中线提取 |
| 3.1 本章引言 |
| 3.2 裂隙边缘提取方法 |
| 3.3 基于Steger的中心线特征点提取算法 |
| 3.4 基于水动力学的裂隙中心线连接算法 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 基于SVM的裂缝分类研究 |
| 4.1 本章引言 |
| 4.2 分类方法的选择 |
| 4.3 裂缝图像特征构建方法 |
| 4.4 裂缝图像分类算法 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要结论 |
| 5.2 存在的问题与研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（5）基于表面细观纹理的钢桥面沥青混凝土铺装抗滑机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 沥青路面纹理形貌及分布特征研究概况 |
| 1.2.2 沥青路面抗滑性能评估及衰减演变规律研究概况 |
| 1.2.3 橡胶轮胎与沥青路面摩擦行为研究概况 |
| 1.2.4 降雨天气下沥青路面抗滑性能研究概况 |
| 1.2.5 研究现状分析 |
| 1.3 主要研究内容及技术方案 |
| 1.3.1 主要研究内容 |
| 1.3.2 拟采取的技术路线及研究实施方案 |
| 第二章 钢桥面沥青混凝土铺装表面纹理随机性分布表征 |
| 2.1 钢桥面铺装用沥青混凝土设计 |
| 2.1.1 悬浮密实型环氧沥青混凝土EA |
| 2.1.2 骨架密实型环氧沥青混凝土VS-EA |
| 2.1.3 钢桥面铺装封层组合结构 |
| 2.1.4 钢桥面铺装用抗滑薄层罩面结构 |
| 2.1.5 钢桥面铺装用SMA改性沥青混凝土 |
| 2.1.6 小粒径大孔隙环氧沥青混凝土 |
| 2.2 沥青混凝土铺装表面纹理测试方法研究 |
| 2.2.1 基于数字图像处理技术的细观纹理构造特征研究方法 |
| 2.2.2 CCD扫描数字图像采集及表面纹理轮廓线提取 |
| 2.3 沥青混凝土铺装表面纹理表征方法研究 |
| 2.3.1 沥青混凝土铺装表面纹理轮廓线预处理 |
| 2.3.2 基于Hilbert-Huang变换技术的铺装表面纹理形貌表征 |
| 2.3.3 基于频谱分析技术的铺装表面纹理分布表征 |
| 2.4 本章小结 |
| 第三章 基于路表纹理细观特征的钢桥面铺装抗滑性能评估 |
| 3.1 钢桥面铺装表面纹理细观特征参数与抗滑性能相关性分析 |
| 3.1.1 钢桥面铺装用沥青混凝土抗滑性能试验材料 |
| 3.1.2 钢桥面铺装结构抗滑性能多因素多水平影响试验设计 |
| 3.1.3 钢桥面铺装纹理特征参数与抗滑性能相关性分析 |
| 3.2 钢桥面沥青混凝土铺装抗滑性能评估模型研究 |
| 3.2.1 设计施工因素对钢桥面铺装抗滑指标影响关系研究 |
| 3.2.2 基于设计施工要素的钢桥面铺装抗滑性能评估研究 |
| 3.3 基于纹理退化规律的钢桥面铺装抗滑性能衰减演化机理研究 |
| 3.3.1 钢桥面铺装加速磨耗试验及抗滑指标退化测试方案 |
| 3.3.2 钢桥面铺装抗滑指标衰减演化规律分析 |
| 3.4 本章小结 |
| 第四章 行驶轮胎与钢桥面铺装相互作用数值模拟技术研究 |
| 4.1 子午线轮胎有限元模型及其接地特性研究 |
| 4.1.1 材料力学特性及本构模型描述 |
| 4.1.2 子午线轮胎三维有限元模型 |
| 4.1.3 钢桥面铺装轮胎接地行为分析 |
| 4.2 钢桥面铺装三维形貌重构及数值化技术研究 |
| 4.2.1 X-ray CT断层扫描技术 |
| 4.2.2 钢桥面铺装结构三维数值化模型构建方法 |
| 4.3 行驶轮胎与钢桥面铺装抗滑行为分析 |
| 4.3.1 行驶轮胎与钢桥面铺装相互作用分析模型 |
| 4.3.2 不同工况下轮胎与铺装抗滑行为分析 |
| 4.4 本章小结 |
| 第五章 基于胎路耦合作用分析的钢桥面铺装行车安全评估 |
| 5.1 基于CEL算法的轮胎-水膜-铺装流固耦合分析模型 |
| 5.1.1 CEL算法 |
| 5.1.2 流体分析模型 |
| 5.1.3 轮胎-水膜-铺装耦合分析 |
| 5.1.4 模型有效性验证 |
| 5.2 不同工况下钢桥面铺装轮胎滑水状态分析 |
| 5.3 降雨条件下钢桥面铺装行车安全影响因素分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文主要研究结论 |
| 6.2 本文主要创新点 |
| 6.3 进一步研究设想 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）路面裂缝病害的自适应阈值分割算法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 裂缝检测系统的研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 裂缝分割算法的研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文研究的主要内容 |
| 1.5 论文结构安排 |
| 第二章 阈值分割算法概述 |
| 2.1 迭代阈值分割 |
| 2.2 最小均方误差阈值分割 |
| 2.3 最大类间方差阈值分割 |
| 2.3.1 一维Otsu法 |
| 2.3.2 二维Otsu法 |
| 2.4 最大熵自适应阈值分割 |
| 2.4.1 一维最大熵法 |
| 2.4.2 二维最大熵法 |
| 2.4.3 局部熵法 |
| 2.4.4 相关熵法 |
| 2.4.5 全局熵法 |
| 2.5 分水岭自适应阈值分割 |
| 2.6 本章小结 |
| 第三章 基于恒虚警模型的自适应阈值分割算法 |
| 3.1 恒虚警检测原理 |
| 3.2 图像预处理 |
| 3.2.1 灰度化处理 |
| 3.2.2 图像信号模型的建立 |
| 3.3 恒虚警分割 |
| 3.3.1 自适应阈值的选择 |
| 3.3.2 保护单元的设立 |
| 3.3.3 裂缝目标分割 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于统计特征的D邻域滑动窗自适应阈值分割算法 |
| 4.1 统计特征的自适应阈值 |
| 4.2 D邻域滑动窗裂缝分割 |
| 4.2.1 D邻域窗模型建立 |
| 4.2.2 D邻域滑动窗分割 |
| 4.3 形态学滤波处理 |
| 4.3.1 腐蚀运算 |
| 4.3.2 膨胀运算 |
| 4.3.3 开运算处理 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 FPGA的系统设计与算法实现 |
| 5.1 FPGA技术概述 |
| 5.1.1 FPGA的工作原理 |
| 5.1.2 FPGA的开发流程 |
| 5.1.3 FPGA在图像处理中的应用 |
| 5.2 系统总体方案设计 |
| 5.3 功能模块设计 |
| 5.3.1 ROM控制器模块设计 |
| 5.3.2 SDRAM控制器模块设计 |
| 5.3.3 VGA控制器模块设计 |
| 5.4 分割算法的实现 |
| 5.4.1 自适应阈值分割 |
| 5.4.2 形态学滤波 |
| 5.5 系统验证结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间发表论文 |
| 攻读硕士期间参与项目 |
（7）基于图像处理的路面裂缝检测系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 系统需求分析与总体设计 |
| 2.1 需求分析 |
| 2.1.1 总体需求 |
| 2.1.2 数据格式需求 |
| 2.2 系统总体设计 |
| 2.2.1 系统总体结构 |
| 2.2.2 路面裂缝检测系统的硬件组成 |
| 2.2.3 路面裂缝检测系统的软件组成 |
| 2.3 本章小结 |
| 第三章 基于空间分布特征的路面裂缝识别方法 |
| 3.1 概述 |
| 3.2 基于空间分布特征的路面裂缝特征提取算法设计 |
| 3.2.1 基于D-Coding的路面裂缝方向特征提取算法 |
| 3.2.2 基于Delaunay三角形的路面裂缝密度特征提取算法 |
| 3.2.3 路面裂缝空间特征向量的构造 |
| 3.3 路面裂缝分类方法设计 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 路面裂缝图像处理系统设计 |
| 4.1 系统开发平台搭建 |
| 4.2 图像处理与分析模块设计 |
| 4.2.1 路面裂缝图像增强 |
| 4.2.2 路面裂缝特征提取模块设计 |
| 4.2.3 路面裂缝图像分类 |
| 4.3 高速视频图像存储模块设计 |
| 4.3.1 多工作机-单数据库服务器 |
| 4.3.2 数据库结构设计 |
| 4.4 信息综合评价模块设计 |
| 4.4.1 线阵相机的标定 |
| 4.4.2 车顶摄像头图像采集 |
| 4.4.3 病害等级与指标计算 |
| 4.5 主界面设计 |
| 4.6 本章小结 |
| 第五章 系统测试和分析 |
| 5.1 道路综合检测车硬件兼容测试 |
| 5.1.1 硬件检测 |
| 5.1.2 软件检测 |
| 5.2 实车测试 |
| 5.3 本章小结 |
| 总结及展望 |
| 参考文献 |
| 致谢 |
（8）基于图像处理的大坝裂缝检测算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 立题背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 裂缝图像增强技术研究现状 |
| 1.2.2 裂缝骨架提取检测技术研究现状 |
| 1.2.3 当前研究存在的问题 |
| 1.3 本文的研究内容与结构安排 |
| 第2章 大坝裂缝检测技术理论基础 |
| 2.1 大坝图像信号模型 |
| 2.2 图像变换基本理论 |
| 2.2.1 小波函数 |
| 2.2.2 小波变换及小波包 |
| 2.2.3 灰度变换 |
| 2.2.4 直方图变换 |
| 2.3 图像去噪理论基础 |
| 2.4 图像增强理论基础 |
| 2.4.1 图像增强概念 |
| 2.4.2 同态滤波 |
| 2.4.3 导向滤波 |
| 2.5 图像分割基本理论 |
| 2.5.1 图像分割概念 |
| 2.5.2 阂值法理论 |
| 2.5.3 边缘检测理论 |
| 2.5.4 区域生长理论 |
| 2.6 本章小结 |
| 第3章 大坝图像增强技术研究 |
| 3.1 基于小波变换的水上大坝裂缝图像去噪预处理 |
| 3.1.1 噪声信号频谱分析 |
| 3.1.2 基于小波变换的图像去噪算法原理 |
| 3.1.3 实验仿真结果及分析 |
| 3.2 基于暗通道的水下大坝图像增强算法 |
| 3.2.1 大坝裂缝水下成像模型 |
| 3.2.2 暗通道先验推演 |
| 3.2.3 算法原理及实现流程 |
| 3.2.4 实验仿真及结果分析 |
| 3.2.5 图像增强算法软件化 |
| 3.3 基于MASK原理的水下大坝图像匀光算法 |
| 3.3.1 光照不均下的大坝图像 |
| 3.3.2 算法原理及实现 |
| 3.3.3 实验仿真结果及分析 |
| 3.4 本章小结 |
| 第4章 大坝裂缝骨架提取检测技术研究 |
| 4.1 PCNN基本模型 |
| 4.2 遗传算法 |
| 4.3 基于遗传算法的PCNN大坝图像分割算法 |
| 4.3.1 改进PCNN模型 |
| 4.3.2 算法原理及实现流程 |
| 4.3.3 实验仿真结果及分析 |
| 4.4 大坝裂缝标记及裂缝参数获取算法 |
| 4.4.1 大坝裂缝类型及裂缝参数指标 |
| 4.4.2 数学形态学开闭操作 |
| 4.4.3 算法原理及实现流程 |
| 4.4.4 实验仿真结果及分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的学术论文和取得的科研成果 |
| 致谢 |
（9）基于路面三维图像的沥青路面裂缝自动识别算法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 路面检测技术研究现状 |
| 1.2.1 路面自动化病害数据采集系统 |
| 1.2.2 路面裂缝自动识别算法 |
| 1.2.3 路面裂缝分类算法 |
| 1.3 目前存在的问题 |
| 1.4 本文研究内容与技术路线 |
| 第2章 路面三维检测原理与系统集成机制 |
| 2.1 三维激光检测技术及应用 |
| 2.2 激光三角成像原理 |
| 2.3 公路路面三维检测系统总体设计 |
| 2.4 公路路面检测系统硬件集成 |
| 2.4.1 激光-相机组件 |
| 2.4.2 光电编码器 |
| 2.4.3 GPS定位系统集成 |
| 2.4.4 行车记录摄像机 |
| 2.4.5 公路路面三维检测系统的控制系统集成 |
| 2.5 本章小结 |
| 第3章 路面三维图像预处理 |
| 3.0 引言 |
| 3.1 路面图像处理中常用的降噪算法 |
| 3.1.1 空间域降噪算法 |
| 3.1.2 变换域降噪算法 |
| 3.1.3 其他降噪算法 |
| 3.2 路面三维图像预处理算法 |
| 3.2.1 路面图像的特点 |
| 3.2.2 阶跃消除 |
| 3.2.3 强点状噪声去除 |
| 3.2.4 图像动态范围调整 |
| 3.3 本章小结 |
| 第4章 人工神经网络的结构及算法 |
| 4.1 引言 |
| 4.2 多层神经元网络结构及训练 |
| 4.2.1 多层神经元网络结构 |
| 4.2.2 多层神经元网络的训练 |
| 4.3 卷积神经网络结构 |
| 4.3.1 卷积层 |
| 4.3.2 池化层 |
| 4.3.3 全连接层 |
| 4.3.4 Softmax分类器 |
| 4.4 卷积神经网络的训练 |
| 4.5 本章小结 |
| 第5章 基于卷积神经网络的沥青路面病害图像分类 |
| 5.1 引言 |
| 5.2 路面三维图像训练库的建立 |
| 5.3 基于卷积神经网络的路面病害图像分类算法 |
| 5.5 正交试验设计 |
| 5.5.1 正交试验设计方法 |
| 5.5.2 正交试验设计流程 |
| 5.6 卷积神经网络超参数的正交试验设计 |
| 5.6.1 确定试验指标 |
| 5.6.2 确定试验因素和水平 |
| 5.6.3 制定试验方案及试验结果提取 |
| 5.7 卷积神经网络超参数正交试验结果分析 |
| 5.7.1 直观分析 |
| 5.7.2 卷积神经网络超参数优化结论验证 |
| 5.8 本章小结 |
| 第6章 沥青路面裂缝病害提取方法 |
| 6.1 引言 |
| 6.2 基于SMFB的路面裂缝提取 |
| 6.3 基于张量投票法的沥青路面裂缝图像增强 |
| 6.3.1 张量分析的基础知识 |
| 6.3.2 基于张量投票的二值图像裂缝增强 |
| 6.4 裂缝图像后处理 |
| 6.5 试验结果 |
| 6.6 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（10）基于渗流模型的图像裂缝边缘检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 路面图像裂缝边缘检测中存在的问题 |
| 1.4 论文的主要研究内容 |
| 1.5 论文的组织结构 |
| 第2章 路面图像裂缝边缘检测 |
| 2.1 路面图像裂缝及裂缝边缘特征 |
| 2.2 基于数字图像处理的路面图像裂缝检测流程 |
| 2.3 路面裂缝边缘检测技术 |
| 2.4 本章小结 |
| 第3章 自适应的裂缝边缘候选点提取算法 |
| 3.1 路面图像预处理 |
| 3.1.1 图像灰度化 |
| 3.1.2 图像增强 |
| 3.2 图像边缘候选点提取 |
| 3.3 自适应的裂缝边缘候选点提取算法 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 基于渗流模型的裂缝边缘检测算法 |
| 4.1 渗流模型 |
| 4.2 基于渗流模型的裂缝边缘检测算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 路面图像裂缝边缘检测系统设计与实现 |
| 5.1 裂缝边缘检测系统设计 |
| 5.1.1 开发运行环境 |
| 5.1.2 系统体系结构 |
| 5.1.3 系统功能模块 |
| 5.2 系统功能演示 |
| 5.3 本章小结 |
| 第6章 结论及未来工作展望 |
| 6.1 结论 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、基于Canny准则的公路路面图像边缘检测算法（论文参考文献）
- [1]BIM技术在沥青路面全寿命周期中的应用研究[D]. 唐樊龙. 东南大学, 2020(02)
- [2]基于深度图像的道面病害检测与测量方法研究[D]. 吴治龙. 中国民航大学, 2020(01)
- [3]基于多尺度与机器学习的路面裂缝图像高精度快速识别方法与应用[D]. 邓涵宇. 东南大学, 2020
- [4]基于数字图像处理的路面裂缝提取方法研究[D]. 李润青. 长安大学, 2020(06)
- [5]基于表面细观纹理的钢桥面沥青混凝土铺装抗滑机理研究[D]. 刘阳. 东南大学, 2019
- [6]路面裂缝病害的自适应阈值分割算法研究与实现[D]. 蒋威. 南京信息工程大学, 2019(04)
- [7]基于图像处理的路面裂缝检测系统设计[D]. 马利. 长安大学, 2020(06)
- [8]基于图像处理的大坝裂缝检测算法研究[D]. 马嘉文. 哈尔滨工程大学, 2019(04)
- [9]基于路面三维图像的沥青路面裂缝自动识别算法[D]. 李保险. 西南交通大学, 2019(03)
- [10]基于渗流模型的图像裂缝边缘检测方法研究[D]. 耿明月. 重庆邮电大学, 2018(01)