原文传递
动车组异常图像识别算法及应用研究
| 论文题名： | 动车组异常图像识别算法及应用研究 |
| 关键词： | 高速铁路;运行故障;动态图像检测;特征提取 |
| 摘要： | 随着我国高速铁路的不断发展，动车组在全国铁路开行旅客列车中的比重越来越大，动车组的安全运行也受到越来越多的关注。动车组结构复杂，零部件多，人工对动车组检查需要大量的时间和人力，而目前广泛使用的铁路货车运行故障动态图像检测系统（TFDS）只能对列车的某些关键部位进行故障检测，无法完成动车组的整车检测。为此，动车组运行故障动态图像检测系统（TEDS）应运而生。 本文主要研究TEDS中动车组图像的配准和异常识别技术。在特征区域图像定位时，利用 TEDS中采集率和列车速度参数估计特征区域的位置，缩小了图像匹配搜索范围，提高了定位的可靠性。在图像匹配时，针对包含显著线性边缘结构的特征区域，采用边缘线段合并思想，提出一种显著边缘提取方法，提高了光照变化情况下图像匹配的鲁棒性。针对包含复杂边缘结构的特征区域，提出一种基于边缘投影最大峰值点的显著边缘区域选择方法，采用边缘点距离变换相似性度量方法，设计了一种复杂边缘结构的特征区域匹配方法，提高了特征区域匹配的实时性和适应性。在进行异常识别时，提出了一种基于窗口投票的配准区域异常检测方法，克服了车身抖动、图像信息丢失及图像未完全配准的影响，增强了异常识别算法的容错性。 最后，将上述算法在现有图片库上进行了仿真试验，定位率、匹配准确性、异常识别率和误识率都能达到预期目标，证明了所设计算法的有效性和时效性。 |
| 作者： | 陈文一 |
| 专业： | 模式识别与智能系统 |
| 导师： | 汪国有 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
