原文传递
轨道扣件图像定位和特征识别算法研究
| 论文题名： | 轨道扣件图像定位和特征识别算法研究 |
| 关键词： | 轨道扣件;图像定位;Canny算子;小波变换;特征识别算法 |
| 摘要： | 轨道安全一直是我国重点研究课题，而扣件是轨道重要的组成部分之一，它的状态决定着轨道安全，一旦出现扣件缺失或者不完整则会对轨道行车安全产生重大隐患，甚至可能出现重大安全事故。现阶段我国主要在大力研究计算机视觉技术与图像处理，基于计算机视觉技术的轨道扣件检测已成为未来发展趋势，该技术具有检测速度快，准确率高等优点。 本课题根据现阶段国内外研究现状，提出一种基于计算机视觉的扣件检测方法，主要针对实验室内采集的轨道图像，采用图像处理算法对扣件进行定位识别。具体方法如下： 为实现对图像中扣件部位的区域目标进行提取，提出一种改进的十字交叉定位方法，首先根据先验知识对扣件左右两边位置进行定位分割，然后利用中值滤波对分割后的图像进行去噪处理，再将图像进行 Canny边缘检测，得到二值图像，再利用扣件上下部分灰度值差，做出水平方向投影，最后进行阈值分割得到扣件部分的图像。该方法经过实验验证，能够很好的实现对扣件部分的初步提取，且提取速度快，检测准确。 将上述所提取的扣件部分图像进行特征提取，采用小波变换与局部二进制组合的方法，首先将图像进行小波变换处理，降低图像信息维度，减少图像噪声干扰，得到增强后的图像，然后使用多尺度局部二进制算法对扣件的特征进行提取，得到不同尺度下的图像特征，然后将所有特征融合，形成扣件特征向量图，通过最近邻分类器对其进行识别。 针对扣件特征提取还采用了2DPCA算法对其进行处理，利用2DPCA算法能够保留图像结构信息的特点，加上PCA算法能够降低图像维度，减少图像数据量的优点，2DPCA算法能够很好的提取扣件特征。最后通过最近邻分类器对其进行识别判断。 上述两种方法都通过实验证明对扣件部分有良好的识别效果。本文所提出的扣件提取算法都在matlab中进行实验论证，均能够准确的分辨出扣件。 |
| 作者： | 万超 |
| 专业： | 机械工程 |
| 导师： | 吴禄慎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南昌大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
