目錄
序
前言
第1章 灰理論基礎(chǔ) 1
1.1 灰色系統(tǒng)理論概述 1
1.2 序列算子 2
1.3 灰色模型 5
1.3.1 灰色關(guān)聯(lián)分析 5
1.3.2 灰熵理論 7
1.3.3 灰色預(yù)測模型 9
1.4 小結(jié) 11
第2章 路面圖像灰色模型及其理論分析 13
2.1 路面圖像處理的現(xiàn)實(shí)起源 13
2.2 路面圖像裂縫檢測與灰色圖像處理算法的發(fā)展 15
2.2.1 路面圖像裂縫檢測算法 16
2.2.2 灰色關(guān)聯(lián)分析在圖像處理中的應(yīng)用 21
2.2.3 熵理論在圖像處理中的應(yīng)用 24
2.2.4 灰色預(yù)測模型在圖像處理中的應(yīng)用 24
2.3 灰色系統(tǒng)理論與圖像處理融合的理論分析 27
2.3.1 圖像灰色模型 27
2.3.2 灰色系統(tǒng)理論用于路面圖像處理的思路與實(shí)現(xiàn) 28
2.3.3 路面裂縫圖像的灰色特性 31
2.3.4 路面圖像處理算法中的灰性分析 33
2.3.5 灰色系統(tǒng)理論用于路面圖像處理算法的可行性分析 34
2.4 小結(jié) 37
第3章 路面圖像裂縫檢測機(jī)理 38
3.1 路面自動(dòng)檢測系統(tǒng)概況 38
3.1.1 路面裂縫的起因分析 38
3.1.2 路面自動(dòng)檢測系統(tǒng)的產(chǎn)生與發(fā)展 39
3.1.3 路面自動(dòng)檢測的原理與過程 42
3.2 路面圖像的預(yù)處理與分割 44
3.2.1 路面圖像的濾波 44
3.2.2 路面圖像的增強(qiáng) 45
3.2.3 路面圖像的邊緣檢測 46
3.3 小結(jié) 47
第4章 基于序列算子的路面圖像數(shù)據(jù)預(yù)處理技術(shù) 48
4.1 基于灰生成算子的數(shù)據(jù)修補(bǔ)技術(shù) 48
4.2 基于值域轉(zhuǎn)換算子的數(shù)據(jù)變換技術(shù) 52
4.3 小結(jié) 53
第5章 圖像灰色模型理論 54
5.1 灰色圖像關(guān)聯(lián)分析 54
5.2 灰色圖像關(guān)聯(lián)熵 57
5.3 灰色圖像預(yù)測模型 58
5.4 小結(jié) 60
第6章 基于灰色系統(tǒng)理論的路面圖像去噪算法 61
6.1 基于灰色圖像關(guān)聯(lián)度的路面圖像加權(quán)均值濾波算法 61
6.1.1 傳統(tǒng)的基于鄧氏關(guān)聯(lián)度的自適應(yīng)均值濾波算法 62
6.1.2 基于灰關(guān)聯(lián)中值濾波算法及其結(jié)果分析 64
6.1.3 改進(jìn)算法的思想 65
6.1.4 改進(jìn)算法的步驟 66
6.1.5 改進(jìn)算法的結(jié)果及其分析 68
6.2 基于灰關(guān)聯(lián)噪聲自適應(yīng)判別的路面圖像去噪算法 75
6.2.1 基于灰色絕對(duì)關(guān)聯(lián)度的圖像濾波算法 76
6.2.2 改進(jìn)算法的思想 77
6.2.3 改進(jìn)算法的步驟 77
6.2.4 改進(jìn)算法的結(jié)果及其分析 80
6.3 基于灰熵的路面圖像加權(quán)均值濾波算法 84
6.3.1 算法的思想和實(shí)現(xiàn)機(jī)理 85
6.3.2 算法的實(shí)現(xiàn)步驟 85
6.3.3 算法的結(jié)果及其分析 87
6.4 基于灰熵噪聲判別的路面圖像開關(guān)中值濾波算法 93
6.4.1 算法的思想 93
6.4.2 算法的步驟 94
6.4.3 算法的結(jié)果及分析 97
6.5 基于灰色預(yù)測模型的路面圖像復(fù)合濾波算法 106
6.5.1 基于GM(1，1)模型的非線性濾波器 107
6.5.2 改進(jìn)算法的思想 110
6.5.3 算法的具體步驟 110
6.5.4 算法的實(shí)現(xiàn)結(jié)果及其分析 113
6.6 小結(jié) 120
第7章 基于灰色系統(tǒng)理論的路面圖像邊緣檢測算法 122
7.1 基于灰色關(guān)聯(lián)分析的路面圖像邊緣檢測算法 123
7.1.1 傳統(tǒng)的基于灰色關(guān)聯(lián)度的圖像邊緣檢測算法 123
7.1.2 改進(jìn)算法的思想 124
7.1.3 改進(jìn)算法的步驟 124
7.1.4 改進(jìn)算法的結(jié)果及其分析 127
7.2 基于灰關(guān)聯(lián)熵閾值選取的路面圖像邊緣檢測算法 128
7.2.1 算法的思想 129
7.2.2 算法的步驟 129
7.2.3 算法結(jié)果及其分析 131
7.3 基于局部紋理分析與灰熵判別的路面圖像邊緣檢測算法 134
7.3.1 算法的主要思想 134
7.3.2 算法的步驟 134
7.3.3 算法的結(jié)果及其分析 138
7.4 基于GM(1，1，C)的路面圖像邊緣檢測算法 140
7.4.1 算法的思想 141
7.4.2 算法的具體實(shí)現(xiàn)步驟 144
7.4.3 算法的實(shí)現(xiàn)結(jié)果及其分析 146
7.5 不同灰色預(yù)測模型在路面圖像邊緣檢測中的應(yīng)用與比較分析 148
7.5.1 算法的思想 148
7.5.2 算法的步驟和過程 149
7.5.3 算法的結(jié)果及其分析 152
7.6 小結(jié) 160
第8章 基于灰色系統(tǒng)理論的路面圖像增強(qiáng)算法 162
8.1 基于灰色關(guān)聯(lián)分析的路面圖像局部對(duì)比度增強(qiáng)算法 162
8.1.1 傳統(tǒng)的圖像對(duì)比度增強(qiáng)算法 163
8.1.2 基于模糊對(duì)比度的圖像增強(qiáng)算法 164
8.1.3 基于簡化模糊對(duì)比度的圖像增強(qiáng)算法 165
8.1.4 改進(jìn)算法的思想 167
8.1.5 改進(jìn)算法的步驟 169
8.1.6 改進(jìn)算法的優(yōu)點(diǎn)及其結(jié)果分析 171
8.2 基于灰色關(guān)聯(lián)度增強(qiáng)指數(shù)的路面圖像局部對(duì)比度增強(qiáng)算法 174
8.2.1 算法的思想 174
8.2.2 算法的步驟 175
8.2.3 算法的結(jié)果及其分析 176
8.3 基于灰熵增強(qiáng)指數(shù)的路面圖像局部對(duì)比度增強(qiáng)算法 179
8.3.1 基于灰熵放大系數(shù)的模糊對(duì)比度增強(qiáng)算法 179
8.3.2 算法的思想 181
8.3.3 算法的實(shí)現(xiàn)步驟 181
8.3.4 算法的結(jié)果及其分析 183
8.4 基于灰熵邊緣測度的路面圖像模糊對(duì)比度增強(qiáng)算法 186
8.4.1 算法的思想 187
8.4.2 算法的步驟與結(jié)構(gòu) 187
8.4.3 算法的仿真實(shí)驗(yàn)結(jié)果及其分析 190
8.5 基于GM(1，1)冪指數(shù)動(dòng)態(tài)判決的路面圖像對(duì)比度增強(qiáng)算法 192
8.5.1 算法的思想 193
8.5.2 算法步驟 193
8.5.3 算法的仿真實(shí)驗(yàn)結(jié)果及其分析 196
8.6 基于離散灰色預(yù)測模型多方向邊緣判決的圖像對(duì)比度增強(qiáng)算法 199
8.6.1 算法的思想 199
8.6.2 算法的步驟與過程 199
8.6.3 算法的結(jié)果及其分析 203
8.7 基于鄰域向心預(yù)測的路面圖像對(duì)比度增強(qiáng)算法 205
8.7.1 算法的思想 206
8.7.2 算法的具體步驟 207
8.7.3 算法的仿真實(shí)驗(yàn)結(jié)果及其分析 210
8.8 小結(jié) 213
第9章 若干值得進(jìn)一步探討的問題 214
參考文獻(xiàn) 218
附錄 主要章節(jié)算法實(shí)現(xiàn)的MATLAB源程序核心代碼 231