声明
摘要
1 引言
1.1 研究目的和意义
1.2 数字图像处理技术研究现状
1.2.1 数字图像处理技术概述
1.2.2 数字图像处理技术特点及应用
1.2.3 数字图像处理技术在混凝土裂缝检测中的研究现状
1.2.4 土工三轴试验土样动力变形测量方法研究现状
1.3 目前研究中存在的问题
1.3.1 混凝土裂缝识别研究中存在的问题
1.3.2 混凝土区域变形测量存在的问题
1.3.3 动荷载作用下土样变形测量的存在的问题
1.4 本文的主要研究内容和章节安排
2 基于数字图像处理的混凝土裂缝识别
2.1 基于混合人工鱼群的图像模糊增强算法
2.1.1 模糊隶属度函数设计
2.1.2 人工鱼群算法
2.1.3 Powell算法
2.1.4 人工鱼群优化算法的改进
2.1.5 裂缝图像增强算法
2.1.6 实验结果与分析
2.2 不均匀灰度图像背景的增强算法
2.2.1 像素的分类
2.2.2 不同的模糊隶属度函数设计
2.2.3 基于像素分类的图像灰度均匀增强算法
2.2.4 实验结果与分析
2.2.5 上述两种算法的比较
2.3 基于灰度和分形理论的裂缝识别算法
2.3.1 分形理论
2.3.2 裂缝分形特征的研究
2.3.3 分形维数的计算方法
2.3.4 混凝土裂缝的统计特征
2.3.5 基于统计特征的裂缝边缘检测算法
2.3.6 实验结果与分析
2.4 基于形状特征的二维最大熵裂缝图像分割
2.4.1 图像的形状特征
2.4.2 二维最大熵理论
2.4.3 基于形状特征的二维最大熵图像分割
2.4.4 实验结果与分析
2.5 本章小结
3 裂缝图像拼接与形态分类
3.1 裂缝图像的拼接
3.1.1 Sift特征点提取
3.1.2 基于Spill树的特征点快速匹配算法
3.1.3 具体的算法实现
3.1.4 实验结果与分析
3.1.5 仿射变换参数的计算
3.1.6 图像融合结果
3.2 裂缝形态的分类
3.2.1 分类预处理
3.2.2 形态特征提取
3.2.3 极限学习机原理
3.2.4 基于量子粒子群优化的ELM裂缝形态分类模型
3.2.5 实验结果和分析
3.3 基于数值图像的混凝土结构的模型构建以及有限元网格自动生成
3.3.1 不连续边缘的连接
3.3.2 裂缝边缘多边形拟合
3.3.3 有限元网络自动生成
3.3.4 实验结果与分析
3.4 应用举例
3.5 本章小结
4 混凝土裂缝区域变形场的测量
4.1 数字图像相关法
4.2 相关搜索算法原理
4.3 基于粒子群优化的数字图像相关法
4.3.1 基本粒子群算法的工作原理
4.3.2 基于改进粒子群的相关搜索算法
4.3.3 实验结果与分析
4.4 基于人工蜂群优化的数字图像相关法
4.4.1 基本人工蜂群算法的工作原理
4.4.2 基于改进人工蜂群的相关搜索算法
4.4.3 实验结果与分析
4.4.4 两种改进算法的比较
4.5 基于RBF神经网络的位移场插值
4.5.1 神经网络插值问题
4.5.2 RBF神经网络
4.5.3 RBF神经网络插值模型
4.5.4 RBF神经网络参数的优化
4.5.5 实验结果与分析
4.6 本章小结
5 动三轴试验土样变形场的测量
5.1 图像土工动三轴试验原理
5.2 土工动三轴试验系统组成
5.2.1 动三轴试验机结构
5.2.2 数字图像测量系统
5.3 图像测量系统的实现
5.3.1 亚像素角点检测基本原理
5.3.2 试验机与图像测量系统的同步实现
5.3.3 位移计算的实现
5.3.4 试样全表面变形测量的实现
5.3.5 测量系统的精度
5.4 图像测量系统操作
5.5 动三轴图像测量系统的应用
5.5.1 试验材料
5.5.2 动三轴模量与阻尼试验
5.5.3 动力变形破坏试验
5.6 本章小结
6 总结与展望
6.1 总结
6.2 创新点
6.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介