一、用图像处理技术进行结构动态位移监测的研究（论文文献综述）
汪禹舟[1]（2021）在《基于图像序列的结构动力响应监测方法研究》文中研究说明动力参数是土木工程结构健康监测中的重要参数之一,是结构在外载作用下的动态响应,通过对其进行监测可以及时了解结构的工作状态,为结构性能评估、损伤检测、可靠性状态评估和维护等方面提供依据。目前已发展出多种结构动力参数获取方法,传统接触式测量方法中存在诸多弊端,如:传感器的安装困难、寿命短、布线复杂以及费用高昂等;新兴的动态激光测距仪、全站仪和基于标靶的图像处理技术等非接触式方法有成本高、易受到电磁干扰、标靶布置困难等缺点。为了解决上述问题,有必要开发一种低成本和更加高效的结构动力响应监测方法。基于此,本文结合数字图像处理技术和土木工程结构监测技术开展了基于图像序列的结构动力响应监测方法研究,论文主要工作如下:利用Python编写基于图像序列的动态位移监测程序,实现了对图像内任意感兴趣的结构测点进行选择和匹配,利用光流法对序列图像之间的特征点像素位移进行计算,使计算结果达到亚像素级别,提高了位移监测精度。结合快速傅里叶变换原理,利用Python编写程序实现了对结构振动频率的提取。针对部分视频中出现结构测点追踪失准问题,通过添加感兴趣区域限制特征点漂移,并将模板匹配与Shi-Tomasi特征点算法结合,编写了基于区域匹配的特征点追踪程序,利用该程序稳定获取图像序列中每一帧特征点的位置,并绘出该特征点的位移时程曲线和输出特征点在每一帧的像素坐标。搭建了基于图像序列的动态位移监测系统,使用实验室小型悬臂梁研究了不同视频采集距离和不同视频采集帧率对监测结果精度的影响。互感器实验中,在17m的视频采集距离下得到了与拉线式位移传感器十分吻合的结果,表明了该方法的准确性和可行性。
邓国军[2]（2021）在《基于时空影像序列的大型桥梁结构全息动静性态监测方法探索》文中研究表明基于影像数据对桥梁结构服役状态进行安全监测,较传统以测点传感器为基础的监测系统具有全息、方便、经济的突出优势,并高度契合未来数字信息的发展趋势。本文在国家自然科学基金项目“基于影像轮廓线叠差分析获取桥梁全息变形及结构状态演绎方法探索（51778094）”和“基于桥面形态变化的桥梁安全状态监测方法与预警理论研究（51708068）”的资助下,本文系统研究了基于动静一体定轴旋转摄影的大型桥梁结构全息动静形态监测及损伤识别方法。主要研究工作如下:针对大型桥梁的结构行为监测,提出了定轴旋转时空序列影像采集方法。研究了定轴旋转空间序列影像基准图像坐标系建立准则,分析了定轴旋转相邻视域转角以及最大转角的约束,提出了结构动静一体影像采集策略;分析了相机旋转与影像重叠度的理论联系,推导了已知转角条件下相邻图像重叠度计算公式。设计了低成本、可调视域及高精度的结构动静一体影像采集硬件系统,分析了系统的三大误差来源,建立了相应的误差理论模型,并对误差的控制提出了相应的策略。依据结构变形连续性准则,提出静力作用下序列图像时空关系的建立方法。基于桥梁结构设计先验知识和样条拟合函数,研究了代表结构形态本质特征的本征轮廓线提取方法,构建了结构形态本征函数;以各视域本征函数为边界条件对机器视觉算法中的特征点提取进行约束,形成了结构轮廓线的追踪算法;同时,以本征函数对稠密光流算法进行约束,在保证位移追踪精度的同时减少算力的消耗;以时间、空间和角度等为参数,构建定轴旋转获取桥梁结构立面图像的时空序列影像数据集;依据各影像视域的透视关系和尺度不变特征转换,研究了序列影像空间关系的建立方法;以自锚式悬索模型桥为对象进行了多工况静力加载试验,分别用动静一体影像监测装置和百分表获取模型桥主梁挠度变化,验证了装置的精度,研究了全息形态曲线相较于有限测点数据的优势。为了提升动态影像中轮廓线的识别和追踪精度,提出一个基于边缘轮廓增强的图像超分辨率算法与摄影测量相结合的框架,将算法结构简单且效果优良的梯度提升图像超分辨率重建算法与视觉测量结合;确定了算法中决策树的深度D、收缩值v及迭代次数M等相关超参数,通过与经典浅度学习算法和深度学习算法对比,验证了该算法对结构边缘轮廓线的识别精度;为了验证该重建算法应用于位移测量的效果,设计了图像超分辨率算法与摄影测量相结合的实验框架,研究了不同重建倍率和不同位移模式下超分辨率重建算法对位移测量的提升效果。结合桥梁本征轮廓线形态函数和稠密光流算法,探索了基于分段视域桥梁视频数据获取结构边缘本征轮廓线在动载作用下的位移时程信息方法,将其解耦及时频域信息的转换运算获取各个方向的全息模态参数;研究了基于初始状态图像矩阵的视域模态透视转换方法,结合同名像素点匹配方法研究了各视域的模态坐标统一及匹配方法,形成空间影像序列获取大型桥梁结构全息模态参数的方法。以24 m长的自锚式悬索桥模型为试验对象,分别以动静一体影像监测装置和振动传感器采集模型桥的动力参数,验证该系统采集动力参数的精度,并研究了全息动力参数的特点;以李家沱大桥为对象研究了本文方法在工程实际应用中的应用特点,通过其健康监测系统验证了本文方法的有效性。结合模型桥不同工况下的结构静力全息形态和挠度曲率损伤识别方法,与常规测点位移计数据对比分析了全息挠度曲率结构损伤识别的特点;基于简支梁的数值分析,研究了高分辨率模态振型结合曲率模态理论进行结构损伤识别的特点;基于自锚式悬索模型桥多种损伤工况下的全息模态振型,与有限测点数据对比分析了全息曲率模态进行结构损伤识别的特点;针对曲率模态叠差线形作为模型桥损伤指标存在噪音较多等问题,研究了曲率模态叠差线形二次微分作为损伤识别指标的效果,并验证了其有效性。
刘佳慧[3]（2021）在《基于机器视觉的中小桥梁位移监测方法研究》文中研究表明桥梁结构在全寿命周期内会受到环境的影响、有害物质的侵蚀,以及地震荷载、车辆荷载、人为等外界因素的作用,这些因素会导致位移和转角的产生,其中,位移是结构刚度和所承受荷载特征的宏观体现。在健康监测领域,结构的位移可衡量其力学性能并有效识别倒塌风险。在我国,中小桥梁占比达到90%以上,因此,对中小桥梁结构的位移监测是非常有必要的。对于桥梁结构静态位移和动态位移的获取方法有很多,目前,投入到实际工程应用中的有千分表法、水准仪法、全站仪法和基于各种原理的位移传感器。这些测量方法在位移监测领域中发挥着各自的优势,但是也存在效率低和安装困难等局限。为准确高效地监测中小桥梁的结构位移,本文提出了一种基于机器视觉的位移监测新方法。主要进行了如下研究工作:1、提出了一种基于机器视觉的中小桥梁位移监测的新方法,介绍了该方法的系统组成、基于Python的图像识别原理和位移计算过程。并通过比例因子和目标圆坐标的稳定性试验选取了性能更优的标记模块。2、在相机模块和标记模块距离较近的情况下,通过稳定性试验和位移加载试验测定所提出方法的分辨率,验证了该方法的有效性。在远距离的情况下,进行稳定性试验和位移加载试验,阐述了试验距离对监测准确性和稳定性的影响,分析了引起误差的原因,并提出了提高位移监测准确性的具体措施。3、根据桥梁工程的实际情景,使用该方法进行位移监测时,相机模块可能存在一定的倾斜角度,针对相机模块的倾斜角度对位移监测结果准确性的影响进行了系统研究。控制镜头与标记模块之间的距离较近且固定不变,在标记模块正常放置和偏转90°两种情况下,改变相机模块的倾斜角度,分别进行了位移加载试验,得出了该方法对相机的倾斜角度具有较好包容性的结论。4、探究了所提方法的长期位移监测性能和动态位移监测性能。首先在实验室内对静止的标记模块进行长期位移监测的模拟试验;然后在钢结构斜拉桥模型上进行了桥梁动态位移监测的模拟试验,将位移监测结果与激光位移传感器的结果进行对比。进一步证明了该系统在长期监测和动态监测方面均具有较好的效能。最后对该套设备进行了系统集成。
王佳佳[4]（2020）在《基于图像处理技术的结构位移监测系统的研究和开发》文中指出近年来,随着我国城市现代化进程的加快,各式建筑的数目快速增长,但各种各样的结构安全问题也随之产生,结构损伤后,若不能及时得到预警,非常可能造成重大安全事故,所以建立可靠的结构安全监测系统对增加结构使用寿命和减少国家和人民生命财产损失具有重大意义。结构位移监测是结构安全监测的重要内容,它能够很直接地反映出结构形变是否超出其安全允许范围。本文调查研究了目前利用数字图像处理技术进行结构位移监测的现状并提出了一种基于数字图像处理的结构位移监测算法,此算法包含系统标定、图像捕获、色彩转换、图像去噪、图像增强、背景简化、特征识别和位移计算8个模块。计算复杂度上,此算法相比于大多数利用数字图像相关技术的结构位移监测算法来说计算复杂度大大降低:鲁棒性上,此算法可在监测目标受到轻微污染时仍能进行位移监测;自适应性上,此算法可自动检测出监测目标个数;精确性上,此算法在MATLAB仿真的像素精度为0.1 pixel级别。针对上述研究算法,本文用C++语言和其中的OpenCV工具实现了此位移监测算法,并购买德国Basler工业相机套件通过实现USB串口连接搭建了实时位移监测系统,此监测系统包括系统标定、初始位置采集和实时传输系统三部分,可实现图片实时采集实时处理,并且处理完成之后的图片随时丢弃,不占用系统内存,只保留简单的位移监测数据。监测产生的位移数据会实时存入MySQL数据库,并利用结构健康监测显示系统读取存入数据库的位移数据,实现在系统中实时显示和存档的功能。最后,通过设计转盘实验测出搭建的位移监测系统的10 m监测距离下的平均监测误差为3 mm。
张海柱[5]（2020）在《基于无人机和3D DIC的钢桁架桥梁振动测量研究》文中认为桥梁结构的动态位移是桥梁健康监测的基本测量参数。桥梁动态位移监测最重要的是对结构动力特性中的振动位移和频率这两个基本参数进行精确测量,鉴于目前的桥梁结构位移测量方法存在不同程度的缺点,有的不满足精度要求,有的在实际工程应用中受到限制,因此本文开发了一种动态位移测量技术。本文采用两台无人机结合三维数字图像相关法测量钢桁架动态位移,相比较于传统测量方法,本文的测量技术不但具有二维和三维数字图像相关法的优点,而且扩大了三维数字图像处理相关法的应用范围,这种新型测量方法在实际工程中具有重要的应用价值。本文详细阐述了数字图像相关法的原理,总结了图像相关性匹配算法和分析了其影响因素,推导了振动信号频谱分析理论公式;在二维数字图像相关法的基础上阐述了三维数字图像相关法的测量原理、摄像机成像原理、摄像机参数标定以及三维坐标计算等相关理论;针对一般的三维数字图像相关测量技术在难以靠近或者危险的结构测量中难以布置摄像机的问题,使用无人机代替摄像机进行振动测量,通过单应性变换的图像校正方法解决了无人机在测量中飘动引起的测量误差问题,通过无人机图像校正以及摄像机标定原理获取无人机的摄像机内外参数。通过设置三维振动位移测量预实验来验证了三维数字图像相关法的可靠性和精确性;在无人机图像校正中通过实验验证了基于单应性变换的图像校正方法的可靠性。本文研究将无人机应用于桥梁振动监测,设置了无人机和单反相机的二维数字图像相关的钢桁架振动测量实验,两台无人机和两台单反相机的三维数字图像相关的钢桁架振动测量实验。结果表明,无人机测量的振动位移与单反相机测量结果相吻合,两者的振动信号频谱分析得到的频率接近,相对误差较小,从而验证了无人机测量结构振动的可行性,扩大了三维数字图像相关法的应用范围,可以在难以接近或者危险结构中使用无人机灵活地进行位移测量。本文的无人机摄影测量方法操作简单、稳定性好,可以将无人机摄影测量应用到实际工程中。
莫康[6]（2020）在《基于计算机视觉的无标靶结构振动信号提取方法研究》文中研究表明结构振动监测是结构健康监测领域的重要组成部分,是进行结构动态性能评估和健康状况分析的主要手段。传统的接触式测量方法需要现场布置传感器,存在操作繁杂、测点单一、产生附加荷载、高耸结构安装困难等缺点。近年来基于视频图像的结构振动监测方法已成为结构健康监测研究的一个热点,其相对于传统的传感器测量方法具有非接触、无损、操作简便、可实现远距离大范围多点监测等优点,但普遍需要在结构上设置标靶、不属于真正的“非接触测量”,此外该类方法还存在设备要求高、易受环境背景和光线影响等缺陷,限制了其在实际工程中的推广使用。本文针对现有方法存在的问题展开了相关研究,提供一种新的有效的结构振动监测方法。本文首先介绍了OpenCV开发工具并完成开发环境的搭建。针对摄像机和工业相机存在的价格昂贵、携带不便等问题,选择使用智能手机作为观测设备,采用FFmpeg编程获得视频时间戳的方法解决了手机视频可变帧率造成的时间域难以求解的问题。对张正友相机标定方法进行了深入研究,详细介绍了标定流程及要点,提出一种新的标定板摆放方法,有效解决了结构距离较远时标定板在相机视野比例过小的问题。利用LK光流法实现点的运动跟踪,引入图像金字塔的方法对其进行了改进。选取三种类型的特征点作为跟踪点,对多种类型和背景的振动结构进行了试验,结果表明大部分场景下可供选用的测点数量和位置可以满足测量需要。本文开发的一种新的基于计算机视觉的结构振动信号提取方法,无需在结构表面布置标靶,以智能手机作为观测设备,标定过程同时考虑了图像畸变和相机姿态,采用改进的金字塔LK光流算法实现点的运动跟踪,并利用OpenCV编写了从视频分解、标定参数求解、畸变矫正到特征点检测、点的运动跟踪、坐标结果输出的全套程序,最后通过实验室三层框架模型试验对该方法进行了验证,试验结果表明,该方法能达到较高的测量精度,测得的前两帧自振频率与加速度传感器的误差在1%以内,同时具有设备和环境要求低、不需进行复杂图像处理等优点,具有良好的应用前景。
刘子琦[7]（2020）在《基于计算机视觉的高铁桥梁结构位移测量方法研究》文中提出近些年来,我国高铁建设加速成网,高铁成为人们出行的首要选择。高铁的修建一般采用“以桥带路”的方式,因此桥梁结构在高铁线路中占比极大。随着高铁运行时对桥梁的冲击,桥梁结构造成的损伤逐渐累积,严重时会造成重大安全事故。为保证高铁的安全运行,需要对高铁桥梁动态位移进行监测或定期检查。目前传统接触式测量方法效率低、成本高、架设困难,本文采用基于商用相机采集图像的方法,通过对两种基于特征点检测算法的设计优化,实现桥梁结构动位移的非接触测量,该方法具有高效、快速、准确的特点,主要的研究内容如下:（1）研究计算机视觉的实用测量方法。在对目前常用的三种计算机图像采集方式进行对比分析的基础上,采用单目视觉测量方式进行桥梁结构动态位移测量,明确实际物理距离与像素距离比例关系,确定相关转换系数计算公式,在传统视觉靶标的基础上总结适用于土木结构位移测量的靶标设计原则,提出一种新型圆形靶标并应用于实际桥梁模型动态位移测量。（2）两种桥梁位移测量识别方法的理论研究。针对SURF特征点算法进行多约束特征点提纯优化,有效剔除错误匹配点,并用此方法进行感兴趣区域定位提取;针对Harris角点检测算法进行优化设计,采用Forstner算子以及奇异值分解进行错误点剔除,并与最小二乘法拟合椭圆中心结合精确定位靶标中心,并提取其亚像素坐标,保证转换成位移时程曲线后的精度。（3）基于桥梁模型的动位移实验室测量研究,分别采用本文优化的两种算法进行结构位移测量,与传统位移计测量结果进行比较分析,验证两种方法的可行性与准确性,并进行相应评估与误差分析。结果表明两种算法满足测量精度要求,为后续工程实际应用提供理论支撑。本文采用商用相机进行桥梁动位移图像采集,利用两种算法进行桥梁动位移辨识并进行实验验证,结果表明两种方法精度均较高,满足实际工程测量需要,可为后续同类工作和实际应用提供借鉴参考。
王梦宇[8]（2020）在《DIP技术在轨道动位移监测中的应用研究》文中指出翻浆冒泥作为常见的重载铁路路基病害,产生原因较为复杂,具有周期性和定点性的特点。病害处钢轨在列车荷载作用下垂向位移幅值增加,严重时威胁行车安全。长期监测钢轨垂向位移对指导线路养护、保障列车安全行驶,掌握翻浆冒泥病害形成过程,分析成因机理具有重要意义。针对传统监测方法的局限性,本文提出一种基于数字图像处理（Digital Image Processing,DIP）技术的结构位移监测方法。使用红外感应相机拍摄被测结构在荷载作用下的运动过程,编写动态视频处理程序,通过处理监测视频获取被测结构位移变化信息。该方法属于非接触测量,避免了与被测结构接触产生的监测误差,具有实时、远程无人监测的特点,适用于重载铁路钢轨动位移的长期监测。主要研究内容可以概括为以下几个方面:（1）根据实际监测需要,确定监测系统的组成。主要硬件包括红外感应相机、镜头、太阳能供电系统、监测板,其中监测板标靶设计为灰度与背景对比明显的圆形标靶;选择Matlab软件编写动态监测视频处理程序。（2）编写基于DIP技术的动态视频处理程序。技术流程为监测视频读取与分帧处理,感兴趣区域选取,数字图像灰度化、降噪、二值化,边缘检测、数字形态学处理、亚像素边缘定位、标靶圆识别,计算被测结构像素位移量和转换系数,获取被测结构在物理空间下的位移时程曲线。（3）通过试验室静态、动态监测试验,验证基于DIP技术的位移监测方法具有可行性,监测精度满足土木工程测量要求;确定使用最优圆拟合算法识别定位标靶圆,提取数字图像特征信息。通过对比试验,分析监测精度与拍摄距离、标靶圆半径、镜头光轴与监测板所在平面夹角、亮度等影响因素的关系。（4）在包神铁路瓷窑湾站翻浆冒泥病害处,使用基于DIP技术的位移监测方法获取钢轨在列车荷载作用下垂向位移时程曲线,验证监测方法的实用性。
程瑜[9]（2020）在《基于高帧率视频的桥梁结构动态位移非接触识别算法与应用研究》文中研究指明桥梁结构在长期服役过程中,由于遭受环境侵蚀、循环荷载等作用,承载能力与耐久性不断降低,进而影响道路桥梁运营过程中的安全性。桥梁结构动力参数是对桥梁结构整体刚度与服役性能宏观评价的重要指标,也是评价桥梁安全运营能力的关键尺度。传统的测试方法需耗费大量的人力物力进行传感装置安装,同时传感器容易受到车辆通行的影响而产生共振,特别在复杂恶劣环境下这种接触式的传感方法使得现场实施更加困难。近年来,随着现代通信设备的发展和迅速普及,基于机器视觉的结构动力参数识别在桥梁结构的运营、维护、管养等方面发挥了越来越重要的作用。本文针对商用算法在识别过程中所存在的识别效率低、标志点遗漏和错位现象、远距离弱幅振动测试环境下对于成像系统硬件要求较高、试验过程中成像系统易受环境振动影响等问题,提出了一种基于高帧视频分析的桥梁动力特性非接触识别方法。主要研究内容如下:（1）结合形态学处理和图像畸变修复算法,对于振动试验视频图像的成像缺陷与扭曲失真进行预处理与修复。提出了基于几何特征提取的连通域识别算法,用以实现桥梁动力测试过程中标志点的动态定位与跟踪。该方法具有快速准确检测的特点,可精准识别安装在结构表面具有特殊几何形状的标志点,过滤所有的非目标点,获取结构振动时程信息。同时,该算法运算速度快,效率高,适用于数据量极大的桥梁动力测试,节约识别工作量,并可避免其他商用算法在识别过程中所产生的点遗漏和错位现象。将该算法应用于实验室环境下的简支钢梁自由振动试验、户外环境下斜拉人行天桥人致振动试验以及海湾环境下大跨度斜拉桥车致振动试验中,与加速度传感器的测试结果进行对比,证明了该算法在各种试验工况下均可实现对于桥梁结构的精准定位与高效追踪。（2）将基于深度学习的超分辨率重建算法引入桥梁动力特性非接触测量中,以本文实验视频图像为训练样本,通过深度学习获得了基于结构振动试验图像的超分辨率重建算法模型,并使用学习得到的模型对于不同工况的实验图像进行了超分辨率复原。在镜头焦距和相机像素有限的情况下,在算法层面对所获得的视频图像进行了重建和提质,并以峰值信噪比为判定依据对于重建图像进行质量评判。结果表明,对于绝大部分工况的实验图像,超分辨率复原的图像质量都非常好,证明了超分辨率重构算法在桥梁振动实验中的可行性和实用性。然后将其应用在实验室环境下的简支钢梁自由振动试验和户外环境下斜拉人行天桥人致振动试验中,提高了视频图像的分辨率和清晰度,对于时程曲线的精度、频谱分析结果的阶数和准确性产生了显着性提升的效果,减少了对于成像系统硬件设施的依赖。（3）针对桥面横风等外界环境振动对成像系统自身稳定性的影响,使用经验模态分解算法对于试验所获频谱结果进行分解,以海湾环境下的大跨度斜拉桥车致振动试验为基础,将环境振动所产生的噪声分量进行了剔除,显着减弱了环境振动对于成像系统所造成的影响。提高了本文所提出的基于几何特征提取的连通域识别算法在海湾环境下大跨度桥梁测试中的适用性。
郝晓辉[10]（2020）在《基于视觉图像测量桥梁挠度的方法研究》文中研究表明道路交通建设作为我国的经济命脉,在国家发展中起着举足轻重的作用,交通工程的规模和数量都与日俱增。我国交通建设逐渐由大规模建设向建养并重过渡,因此运营阶段的维护和检测将逐渐成为工作重点。桥梁挠度监测是桥梁安全性评价的一项重要指标,传统的位移挠度测量设备多数是接触型的,一定程度上依赖人力且成本较高,实际工程中有局限性。随着机器视觉的兴起,有着低成本、高精度、非接触优点的图像测量方式被越来越多的领域所应用。本文旨在研究基于视觉图像测量桥梁挠度的方法,具体研究内容如下:（1）通过分析数字图像处理相关的基础理论和方法,对数字图像进行预处理,包括数字图像的灰度化、数字图像的二值化、数学形态学边缘检测、数字图像的进一步去噪,使图像数字化。（2）为了提高桥梁测量的计算速度,提出了桥梁的视频图像感兴趣重点区域（ROI）处理方法。然后通过对图像三种特征提取（LBP特征、SIFT和ORB）进行比较,选择符合实际工况的ORB特征匹配。最后运用图像相关匹配的粒子群算法进行图像相关搜索,为了进一步提高桥梁挠度测量精度,采用双三次插值法的亚像素位移搜索方法,实现桥梁挠度的快速、高精度测量。（3）数字图像的摄像空间理论,实现空间坐标与相机坐标的转化,运用张氏棋盘法对非测量相机进行检校实验,得出相机的内外参数,获取图像与实际距离的转换系数。在前文研究图像的特征提取和图像特征匹配的基础上,提出了基于视觉图像的桥梁挠度提取方法。通过模拟桥梁静态位移和动态位移的实验,证明本文方法可用于桥梁挠度的实际测量,满足桥梁测量的精度要求。（4）基于本文研究内容,初步设计了基于视觉图像的桥梁挠度测量监测系统。相比较于传统的接触式桥梁挠度测量,本文所提算法实现了基于机器视觉的非接触式桥梁挠度测量,提高了精度的同时,节约了工程成本,达到了实时监测测量及其预警的效果。相比已有的图像测量算法,本文所提的图像重点区域处理方法、改进的粒子群算法和亚像素搜索算法,在实现挠度测量的同时,提高了图像处理的计算速度。本文提出的图像测量方法实现了桥梁低成本、实时、高精度的挠度测量,但该方法未能解决实际应用中相机安装位置以及环境等外界因素对相机振动的影响,提高测量结果的精度,仍需要进一步的改进。
二、用图像处理技术进行结构动态位移监测的研究（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、用图像处理技术进行结构动态位移监测的研究（论文提纲范文）
（1）基于图像序列的结构动力响应监测方法研究（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 基于数字图像的监测技术研究现状 |
| 1.2.1 基于数字图像的结构位移监测 |
| 1.2.2 基于数字图像的结构振动监测 |
| 1.3 存在的问题 |
| 1.4 研究内容和技术路线 |
| 1.5 论文组织架构 |
| 第二章 基于图像序列的结构动力参数监测原理 |
| 2.1 基于图像序列的动态位移监测原理 |
| 2.1.1 结构振动视频采集 |
| 2.1.2 结构目标区域提取 |
| 2.1.3 结构像素标定 |
| 2.1.4 结构特征点选取 |
| 2.1.5 光流法原理 |
| 2.2 基于图像序列的结构振动监测原理 |
| 2.2.1 离散傅里叶变换 |
| 2.2.2 快速傅里叶变换 |
| 2.3 本章小结 |
| 第三章 基于模板匹配的特征点优化算法 |
| 3.1 特征点优化原理 |
| 3.1.1 灰度值不变原理 |
| 3.1.2 结合模板匹配的特征点算法 |
| 3.2 优化的特征点匹配算法验证 |
| 3.3 本章小结 |
| 第四章 基于图像序列的结构动力参数提取试验研究 |
| 4.1 悬臂梁试验研究 |
| 4.1.1 试验方案 |
| 4.1.2 试验结果 |
| 4.2 电力互感器试验研究 |
| 4.2.1 试验方案 |
| 4.2.2 试验结果 |
| 4.3 竖杆振动试验研究 |
| 4.3.1 振动理论 |
| 4.3.2 有限元分析 |
| 4.3.3 试验方案 |
| 4.3.4 试验结果 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（2）基于时空影像序列的大型桥梁结构全息动静性态监测方法探索（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 桥梁结构状态监测既有方法 |
| 1.2.1 常规安全监测方法 |
| 1.2.2 桥梁长期健康监测进展 |
| 1.3 基于机器视觉的桥梁健康监测方法研究现状 |
| 1.3.1 桥梁结构局部状态监测 |
| 1.3.2 桥梁结构整体状态监测 |
| 1.4 桥梁结构长期状态监测问题探讨 |
| 1.5 本文主要研究工作 |
| 1.5.1 本文主要研究内容 |
| 1.5.2 本文研究技术路线 |
| 第二章 大型桥梁动静形态监测的时空序列影像获取方法 |
| 2.1 定轴旋转采集桥梁结构动静影像数据的方法 |
| 2.1.1 桥梁状态时空序列影像数据采集方案 |
| 2.1.2 空间序列影像重叠度的几何关系 |
| 2.1.3 转动视域的角度约束 |
| 2.2 动静一体影像监测系统构成与应用 |
| 2.2.1 动静一体影像监测系统构成 |
| 2.2.2 针对自锚式悬索模型桥的动静影像采集 |
| 2.3 定轴旋转摄影系统误差分析 |
| 2.3.1 相机的标定 |
| 2.3.2 图像序列投影中心偏移误差及纠正方法 |
| 2.3.3 模糊度对位移监测的影响及处理方法 |
| 2.4 本章小结 |
| 第三章 定轴旋转摄影获取桥梁轮廓线全息变形方法 |
| 3.1 基于影像轮廓线的结构本征形态函数建立 |
| 3.1.1 结构影像特征提取既有方法及问题 |
| 3.1.2 结构本征轮廓线获取方法 |
| 3.2 定轴旋转时空序列图像间的关系 |
| 3.2.1 时空序列静态影像数据集 |
| 3.2.2 空间序列图像关系的建立 |
| 3.3 主梁本征形态函数约束下的轮廓线位移追踪算法 |
| 3.3.1 基于本征形态函数的特征点提取算法 |
| 3.3.2 基于稠密光流算法的改进位移追踪方法 |
| 3.4 桥梁轮廓线全息变形获取的试验验证 |
| 3.4.1 模型悬索桥加载试验与测试 |
| 3.4.2 主梁轮廓线全息变形分析与结果验证 |
| 3.5 本章小结 |
| 第四章 基于图像边缘增强的结构位移追踪精度提升方法 |
| 4.1 结构图像边缘增强的超分辨率算法 |
| 4.1.1 图像超分辨率重建理论 |
| 4.1.2 梯度提升的结构图像边缘增强 |
| 4.2 结构图像边缘增强试验验证 |
| 4.2.1 试验数据与参数优化 |
| 4.2.2 模型桥试验图像超分辨率结果对比 |
| 4.3 结构位移追踪精度提升试验验证 |
| 4.3.1 视觉测量试验设计 |
| 4.3.2 试验结果及分析 |
| 4.4 本章小结 |
| 第五章 基于定轴旋转视频获取大型桥梁全息模态的方法 |
| 5.1 基于动态影像的结构模态参数获取方法 |
| 5.1.1 视频数据的结构动态特征模态描述 |
| 5.1.2 基于视频的结构模态提取 |
| 5.2 空间序列影像获取桥梁全息模态参数方法 |
| 5.2.1 大型桥梁结构全息轮廓线的追踪方法 |
| 5.2.2 基于同名像素点的时空序列影像关系 |
| 5.3 悬索桥模型的动力试验验证 |
| 5.3.1 动力试验与测试方法 |
| 5.3.2 模型桥频率的提取 |
| 5.3.3 桥梁结构全息模态振型提取 |
| 5.4 定轴旋转视频获取李家沱大桥全息模态参数应用研究 |
| 5.4.1 李家沱大桥数据采集方法 |
| 5.4.2 李家沱大桥全息模态获取与验证 |
| 5.5 本章小结 |
| 第六章 基于结构动静全息形态变化的损伤识别方法 |
| 6.1 结构损伤引起的静力形态变化特征 |
| 6.1.1 结构损伤引起的挠度曲率变化 |
| 6.1.2 基于主梁全息变形的损伤识别 |
| 6.2 结构损伤引起的动力形态参数变化 |
| 6.2.1 结构损伤引起的曲率模态变化 |
| 6.2.2 表征主梁损伤的动力模态参数选取 |
| 6.3 基于悬索桥模型试验的结构损伤识别验证 |
| 6.3.1 基于全息曲率模态的损伤识别验证 |
| 6.3.2 基于曲率模态叠差线形的损伤识别改进方法 |
| 6.5 本章小结 |
| 第七章 结论及展望 |
| 7.1 本文主要工作与结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 在学期间发表的论文和取得的学术成果 |
| 致谢 |
（3）基于机器视觉的中小桥梁位移监测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 桥梁竖向位移产生的原因 |
| 1.3 桥梁竖向位移监测研究现状 |
| 1.3.1 传统方法 |
| 1.3.2 处于研究阶段的方法 |
| 1.3.3 基于机器视觉的方法 |
| 1.4 本文主要研究内容 |
| 2 基于机器视觉的中小桥梁位移监测方法 |
| 2.1 系统组成 |
| 2.1.1 硬件系统 |
| 2.1.2 软件系统 |
| 2.2 机器视觉图像识别方法介绍 |
| 2.2.1 感兴趣区域提取方法 |
| 2.2.2 目标识别与坐标计算方法 |
| 2.2.3 像素坐标与实际坐标的转换方法 |
| 2.3 确定标记模块试验 |
| 2.3.1 试验介绍 |
| 2.3.2 结果与分析 |
| 2.3.3 小结 |
| 2.4 本章小结 |
| 3 位移试验 |
| 3.1 近距离测定分辨率 |
| 3.1.1 基本原理 |
| 3.1.2 试验布置 |
| 3.1.3 结果与分析 |
| 3.1.4 小结 |
| 3.2 远距离稳定性试验 |
| 3.2.1 试验布置 |
| 3.2.2 结果与分析 |
| 3.2.3 小结 |
| 3.3 远距离位移加载试验 |
| 3.3.1 试验布置 |
| 3.3.2 结果与分析 |
| 3.3.3 小结 |
| 3.4 本章小结 |
| 4 相机的倾斜角度对位移监测方法的影响 |
| 4.1 角度对位移监测方法的影响 |
| 4.2 相机模块的倾斜角度对位移监测的影响 |
| 4.2.1 基本原理 |
| 4.2.2 试验布置 |
| 4.2.3 结果与分析 |
| 4.2.4 小结 |
| 4.3 标记模块偏转90°时,相机模块的倾斜角度对位移监测的影响 |
| 4.3.1 基本原理 |
| 4.3.2 试验布置 |
| 4.3.3 结果与分析 |
| 4.3.4 小结 |
| 4.4 本章小结 |
| 5 模拟试验以及系统集成 |
| 5.1 长期位移监测模拟试验 |
| 5.1.1 试验介绍 |
| 5.1.2 结果和分析 |
| 5.1.3 小结 |
| 5.2 动态位移监测模拟试验 |
| 5.2.1 试验介绍 |
| 5.2.2 结果和分析 |
| 5.2.3 小结 |
| 5.3 系统集成 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）基于图像处理技术的结构位移监测系统的研究和开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 现有位移监测方法和研究现状 |
| 1.3 论文主要工作与组织结构 |
| 第2章 基于数字图像处理的位移监测算法 |
| 2.1 算法流程 |
| 2.2 实验过程与结果分析 |
| 2.2.1 准确性和自适应性实验 |
| 2.2.2 鲁棒性实验 |
| 2.2.3 实时性实验 |
| 2.3 本章小结 |
| 第3章 结构位移实时监测系统 |
| 3.1 位移监测数据实时传输系统 |
| 3.1.1 工业相机 |
| 3.1.2 镜头 |
| 3.1.3 监测系统的软件实现 |
| 3.2 位移监测数据实时显示系统 |
| 3.2.1 系统的后台设计 |
| 3.2.2 系统的界面显示 |
| 3.3 本章小结 |
| 第4章 基于数字图像处理的结构位移监测系统实验验证 |
| 4.1 实验原理 |
| 4.2 实验过程与结果分析 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果和参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（5）基于无人机和3D DIC的钢桁架桥梁振动测量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 桥梁振动监测方法 |
| 1.2.1 接触式测量手段 |
| 1.2.2 非接触式测量手段 |
| 1.3 数字图像相关法及国内外研究现状 |
| 1.3.1 二维数字图像相关监测法 |
| 1.3.2 三维数字图像相关监测法 |
| 1.3.3 无人机结合数字图像相关监测法 |
| 1.4 本文主要的研究思路与工作内容 |
| 1.4.1 本文主要研究思路 |
| 1.4.2 本文主要工作内容 |
| 1.5 本章小结 |
| 第二章 二维数字图像相关法的测量原理及误差分析 |
| 2.1 引言 |
| 2.2 图像预处理基础 |
| 2.2.1 视频剪辑 |
| 2.2.2 灰度化处理 |
| 2.2.3 图像增强 |
| 2.3 DIC测量理论 |
| 2.3.1 基本原理 |
| 2.3.2 测量系统 |
| 2.4 影响因素分析 |
| 2.4.1 系统误差 |
| 2.4.2 随机误差 |
| 2.5 频谱分析 |
| 2.6 本章小结 |
| 第三章 三维数字图像相关法及系统参数标定 |
| 3.1 引言 |
| 3.2 摄像机成像原理 |
| 3.2.1 相关坐标系的定义 |
| 3.2.2 相关坐标系的转换 |
| 3.2.3 线性摄像机模型 |
| 3.2.4 非线性摄像机模型 |
| 3.3 3DDIC测量理论 |
| 3.3.1 基本原理 |
| 3.3.2 立体匹配 |
| 3.3.3 极线校正 |
| 3.3.4 时序匹配 |
| 3.3.5 分析流程 |
| 3.4 摄像机参数标定理论 |
| 3.4.1 投影矩阵 |
| 3.4.2 单应性矩阵 |
| 3.4.3 内参数求解 |
| 3.4.4 外参数求解 |
| 3.4.5 参数标定步骤 |
| 3.5 三维位移测量预实验 |
| 3.5.1 实验现场 |
| 3.5.2 实验步骤 |
| 3.5.3 数据分析 |
| 3.6 本章小结 |
| 第四章 无人机摄影测量的关键技术研究 |
| 4.1 引言 |
| 4.2 无人机飞行姿态 |
| 4.2.1 姿态角变换的影响 |
| 4.3 无人机图像校正理论 |
| 4.3.1 单应性变换理论 |
| 4.3.2 校正效果验证实验 |
| 4.3.3 无人机相对运动 |
| 4.4 无人机的摄像机标定理论 |
| 4.4.1 无人机标定理论 |
| 4.4.2 无人机标定实验 |
| 4.5 双无人机结合3DDIC的摄影测量 |
| 4.5.1 双无人机测量 |
| 4.5.2 无人机测量流程 |
| 4.6 本章小结 |
| 第五章 无人机和单反相机的钢桁架振动测量实验 |
| 5.1 引言 |
| 5.2 实验模型 |
| 5.3 实验设备 |
| 5.4 二维振动测量实验结果与分析 |
| 5.4.1 实验工况设置 |
| 5.4.2 软件参数设置 |
| 5.4.3 实验过程设置 |
| 5.4.4 实验结果处理与分析 |
| 5.5 三维振动测量实验结果与分析 |
| 5.5.1 实验工况设置 |
| 5.5.2 实验准备工作 |
| 5.5.3 实验现场设置 |
| 5.5.4 实验结果处理与分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 全文总结 |
| 研究展望 |
| 参考文献 |
| 攻读硕士期间的科研成果 |
| 致谢 |
| 附录 |
（6）基于计算机视觉的无标靶结构振动信号提取方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 计算机视觉发展概况及应用现状 |
| 1.2.2 计算机视觉振动监测方法研究现状 |
| 1.2.3 当前研究存在问题 |
| 1.3 本文主要研究内容 |
| 第2章 开发环境搭建与预处理 |
| 2.1 引言 |
| 2.2 计算机视觉基本概念 |
| 2.2.1 计算机视觉的概念 |
| 2.2.2 和机器视觉、图像处理的区别与联系 |
| 2.3 开发工具选择与环境搭建 |
| 2.3.1 计算机视觉开发工具 |
| 2.3.2 OpenCV开发环境配置 |
| 2.4 硬件系统组成 |
| 2.5 视频采集和分解 |
| 2.5.1 视频图像基本概念 |
| 2.5.2 视频采集 |
| 2.5.3 视频分解及其程序实现 |
| 2.6 振动时间域的获取 |
| 2.6.1 视频帧时刻的获取方法 |
| 2.6.2 固定帧率与可变帧率 |
| 2.6.3 手机视频时间戳的获取 |
| 2.7 本章小结 |
| 第3章 相机标定与运动跟踪 |
| 3.1 引言 |
| 3.2 相机标定 |
| 3.2.1 相机成像模型 |
| 3.2.2 相机标定原理 |
| 3.2.3 张正友相机标定法 |
| 3.2.4 标定流程与OpenCV实现 |
| 3.2.5 图像畸变矫正 |
| 3.2.6 坐标变换与三维重构 |
| 3.3 基于光流的运动目标跟踪方法 |
| 3.3.1 光流的基本概念 |
| 3.3.2 光流法基本原理 |
| 3.3.3 LK法光流计算 |
| 3.3.4 改进的金字塔LK光流法 |
| 3.3.5 特征点检测与测点确定 |
| 3.3.6 OpenCV程序实现 |
| 3.4 本章小结 |
| 第4章 三层框架模型试验 |
| 4.1 引言 |
| 4.2 试验方案设计 |
| 4.3 试验系统组成 |
| 4.3.1 待测结构 |
| 4.3.2 激励系统 |
| 4.3.3 加速度测量系统 |
| 4.3.4 视觉测量系统 |
| 4.4 视觉方法测量流程 |
| 4.5 试验结果对比 |
| 4.5.1 加速度传感器测量方法 |
| 4.5.2 无标靶视觉测量方法 |
| 4.5.3 测量结果对比分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）基于计算机视觉的高铁桥梁结构位移测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景及意义 |
| 1.3 位移测量方法研究现状 |
| 1.3.1 传统位移测量方法研究现状 |
| 1.3.2 计算机视觉位移测量方法研究现状 |
| 1.3.3 国内外文献综述简析 |
| 1.4 本课题主要研究内容 |
| 第2章 基于计算机视觉的位移测量原理 |
| 2.1 前言 |
| 2.2 计算机视觉测量方式种类 |
| 2.3 单目视觉测量相关原理 |
| 2.3.1 相机成像原理 |
| 2.3.2 相机标定 |
| 2.3.3 确定转换系数 |
| 2.4 靶标设计与选择 |
| 2.5 本章小结 |
| 第3章 基于计算机视觉的位移识别方法 |
| 3.1 前言 |
| 3.2 图像预处理 |
| 3.3 感兴趣区域提取 |
| 3.3.1 特征点提取 |
| 3.3.2 特征描述 |
| 3.3.3 特征匹配 |
| 3.3.4 目标提取 |
| 3.4 基于特征光流算法的特征点识别追踪 |
| 3.4.1 光流法基本原理 |
| 3.4.2 基于SURF特征点检测的特征光流技术 |
| 3.5 基于亚像素角点检测算法优化的目标识别追踪 |
| 3.5.1 Harris角点检测基本原理 |
| 3.5.2 基于Harris角点匹配的算法优化 |
| 3.5.3 基于最小二乘法拟合圆心 |
| 3.6 本章小结 |
| 第4章 基于计算机视觉的实验室位移测试试验验证 |
| 4.1 前言 |
| 4.2 试验台设备及模型 |
| 4.3 实验工况介绍及数据处理 |
| 4.4 实验室验证分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（8）DIP技术在轨道动位移监测中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景以及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统钢轨位移监测方法 |
| 1.2.2 基于DIP技术的位移监测方法 |
| 1.3 本文主要研究内容 |
| 第二章 监测系统组成及空间坐标转换 |
| 2.1 位移监测系统组成 |
| 2.1.1 数字图像采集设备 |
| 2.1.2 监测板设计 |
| 2.1.3 软件处理系统 |
| 2.2 坐标系及转换关系 |
| 2.3 监测相机校核 |
| 2.3.1 张正友标定法 |
| 2.3.2 标准尺寸法 |
| 2.3.3 光学畸变 |
| 2.4 本章小结 |
| 第三章 基于DIP技术的位移监测原理 |
| 3.1 图像数字化 |
| 3.2 数字图像读取与感兴趣区域选择 |
| 3.3 数字图像预处理 |
| 3.3.1 数字图像灰度化 |
| 3.3.2 数字图像降噪 |
| 3.3.3 数字图像二值化处理 |
| 3.4 数字图像特征信息提取 |
| 3.4.1 边缘检测 |
| 3.4.2 数字形态学处理 |
| 3.4.3 亚像素边缘定位 |
| 3.4.4 标靶圆识别 |
| 3.5 位移量计算原理 |
| 3.6 本章小结 |
| 第四章 监测方法的精度与可行性验证 |
| 4.1 静态监测试验 |
| 4.1.1 试验设计 |
| 4.1.2 试验结果与分析 |
| 4.2 动态监测试验 |
| 4.2.1 试验系统介绍 |
| 4.2.2 试验工况设计 |
| 4.2.3 ROI区域选取对运行效率的影响 |
| 4.2.4 试验数据处理 |
| 4.2.5 监测结果 |
| 4.2.6 评价指标计算与分析 |
| 4.2.7 运行效率比对 |
| 4.3 对比试验 |
| 4.3.1 试验设计 |
| 4.3.2 监测数据处理与评价指标计算 |
| 4.3.3 半径参数分析 |
| 4.3.4 角度参数分析 |
| 4.3.5 拍摄距离参数分析 |
| 4.3.6 亮度参数分析 |
| 4.4本章小结 |
| 第五章 基于DIP技术的位移监测方法在工程中的应用 |
| 5.1 工程概况 |
| 5.1.1 气候条件 |
| 5.1.2 工程地质 |
| 5.1.3 病害调查 |
| 5.2 监测工点选选择及仪器布设 |
| 5.3 动态监测结果 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）基于高帧率视频的桥梁结构动态位移非接触识别算法与应用研究（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 基于数字图像处理的结构振动识别研究现状 |
| 1.2.2 基于深度学习的机器视觉研究现状 |
| 1.3 论文研究内容及意义 |
| 1.4 论文组织结构 |
| 第二章 桥址测试环境干扰下数字视频目标跟踪与畸变修复 |
| 2.1 形态学处理 |
| 2.2 图像修复算法 |
| 2.2.1 图像退化原理 |
| 2.2.2 图像畸变原理 |
| 2.3 基于几何特征提取的连通域识别算法 |
| 2.4 本章小结 |
| 第三章 基于超分辨率重建算法的超远距离动态图像重建与提质 |
| 3.1 超分辨率重建算法的简介及使用意义 |
| 3.1.1 超分辨率重建算法 |
| 3.1.2 深度学习与卷积神经网络 |
| 3.2 基于深度学习的超分辨率重建算法 |
| 3.3 优化算法的选择 |
| 3.4 使用SRCNN算法对振动实验数据进行训练 |
| 3.5 本章小结 |
| 第四章 实验室环境下简支钢梁自由振动试验研究 |
| 4.1 实验模型介绍与成像构成 |
| 4.2 基于智能手机摄像头的实验室简支钢梁自由振动实验 |
| 4.2.1 低帧率下的近距离实验 |
| 4.2.2 高帧率下的近距离实验 |
| 4.2.3 高帧率下基于超分辨率算法的的远近距离实验对比 |
| 4.3 基于长焦镜头的实验室简支钢梁自由振动实验 |
| 4.4 本章小结 |
| 第五章 户外环境下斜拉人行天桥人致振动试验研究 |
| 5.1 桥梁概况 |
| 5.2 良好环境下的实验测试结果 |
| 5.3 恶劣环境下的实验测试结果 |
| 5.4 本章小结 |
| 第六章 海湾环境下大跨度斜拉桥车致振动试验研究 |
| 6.1 桥梁概况 |
| 6.1.1 实验设计 |
| 6.1.2 识别难点 |
| 6.2 经验模态分解算法 |
| 6.3 基于经验模态分解算法的实验测试结果 |
| 6.3.1 金塘大桥主通航孔桥模态结果参考值 |
| 6.3.2 基于经验模态分解和几何特征提取的实验结果分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（10）基于视觉图像测量桥梁挠度的方法研究（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 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 数字图像的基础及预处理 |
| 2.1 数字图像的产生 |
| 2.1.1 数字图像成像设备 |
| 2.1.2 图像数采样与量化 |
| 2.2 数字图像模型与分类 |
| 2.2.1 二值图像 |
| 2.2.2 灰度图像 |
| 2.2.3 索引图像 |
| 2.2.4 RGB彩色图像 |
| 2.3 数字图像灰度化 |
| 2.3.1 灰度化处理方式 |
| 2.3.2 灰度变换的几种函数 |
| 2.4 数字图像二值化 |
| 2.4.1 全局阈值法 |
| 2.4.2 局部阈值法 |
| 2.5 数字图像的去噪 |
| 2.6 总结 |
| 第三章 桥梁图像的特征提取与相关搜索 |
| 3.1 图像序列的桥梁目标区域(ROI)提取 |
| 3.1.1 基于ROI的图像处理方法提出 |
| 3.1.2 桥梁视频图像的ROI方法选取 |
| 3.2 图像特征提取 |
| 3.2.1 LBP特征提取 |
| 3.2.2 SIFT特征 |
| 3.2.3 ORB特征 |
| 3.3 数字图像相关法 |
| 3.3.1 相关搜索算法原理 |
| 3.3.2 粒子群算法 |
| 3.3.3 基于改进粒子群的相关搜索算法 |
| 3.4 亚像素位移搜索算法 |
| 3.4.1 构建亚像素灰度值 |
| 3.4.2 牛顿迭代法 |
| 3.5 总结 |
| 第四章 基于视频图像的桥梁挠度提取方法 |
| 4.1 数字图像成像空间与坐标 |
| 4.1.1 成像坐标系统 |
| 4.1.2 相机成像过程 |
| 4.2 非量测相机检校 |
| 4.2.1 棋盘格法 |
| 4.2.2 相机检校实验流程 |
| 4.3 基于视频图像的桥梁位移试验 |
| 4.3.1 测量仪器介绍 |
| 4.3.2 位移提取 |
| 4.4 本章小结 |
| 第五章 桥梁挠度检测系统的设计与实现 |
| 5.1 系统技术路线 |
| 5.2 系统模块简介及参数设置 |
| 5.2.1 Home模块 |
| 5.2.2 功能模块 |
| 5.2.3 视图模块 |
| 5.3 案例分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
四、用图像处理技术进行结构动态位移监测的研究（论文参考文献）
- [1]基于图像序列的结构动力响应监测方法研究[D]. 汪禹舟. 重庆交通大学, 2021
- [2]基于时空影像序列的大型桥梁结构全息动静性态监测方法探索[D]. 邓国军. 重庆交通大学, 2021
- [3]基于机器视觉的中小桥梁位移监测方法研究[D]. 刘佳慧. 大连理工大学, 2021(01)
- [4]基于图像处理技术的结构位移监测系统的研究和开发[D]. 王佳佳. 山东大学, 2020(10)
- [5]基于无人机和3D DIC的钢桁架桥梁振动测量研究[D]. 张海柱. 广东工业大学, 2020(06)
- [6]基于计算机视觉的无标靶结构振动信号提取方法研究[D]. 莫康. 哈尔滨工业大学, 2020(01)
- [7]基于计算机视觉的高铁桥梁结构位移测量方法研究[D]. 刘子琦. 哈尔滨工业大学, 2020
- [8]DIP技术在轨道动位移监测中的应用研究[D]. 王梦宇. 石家庄铁道大学, 2020(04)
- [9]基于高帧率视频的桥梁结构动态位移非接触识别算法与应用研究[D]. 程瑜. 东南大学, 2020(01)
- [10]基于视觉图像测量桥梁挠度的方法研究[D]. 郝晓辉. 太原科技大学, 2020(03)