由于近年來(lái)鐵路運(yùn)營(yíng)不斷向高速和重載的方向發(fā)展,對(duì)于鐵路線路的維護(hù)與安全檢測(cè)提出了更高的要求。鐵路軌道扣件是鐵路基礎(chǔ)設(shè)施中主要的零部件之一,損壞或丟失的扣件會(huì)導(dǎo)致列車(chē)脫軌等重大事故。作為鐵路監(jiān)測(cè)系統(tǒng)中必不可少的項(xiàng)目,扣件的缺陷檢測(cè)十分重要。為了改變我國(guó)現(xiàn)階段仍使用人工沿鐵路目測(cè)的檢測(cè)現(xiàn)狀,研發(fā)一種非接觸式自動(dòng)檢測(cè)扣件的方法顯得尤為重要。針對(duì)現(xiàn)有軌道扣件檢測(cè)算法的不足,本文結(jié)合圖像處理的優(yōu)勢(shì),對(duì)軌道扣件進(jìn)行缺陷檢測(cè),論文的主要研究?jī)?nèi)容如下:首先,采集軌道扣件圖像并對(duì)其進(jìn)行濾波去噪處理。根據(jù)實(shí)驗(yàn)要求,選取符合本文研究需求的光源、相機(jī)以及鏡頭,采集扣件圖像。使用模板為3?3的中值濾波對(duì)采集到的軌道扣件圖像進(jìn)行濾波去噪處理。仿真實(shí)驗(yàn)表明,該濾波方法濾波效果良好,并能很好地保護(hù)扣件圖像的缺陷處細(xì)節(jié)。其次,邊緣檢測(cè)與定位。針對(duì)傳統(tǒng)Canny算子存在的不足,本文提出一種改進(jìn)的Canny算子。在計(jì)算梯度時(shí),增添計(jì)算45?方向與135?方向的梯度幅值,有效避免漏檢部分像素點(diǎn),同時(shí),將二維Otsu閾值法引入到算子中,使算法能夠根據(jù)扣件自身獨(dú)有特點(diǎn)來(lái)自適應(yīng)地選取最佳閾值,有效避免出現(xiàn)間斷邊緣以及偽邊緣,從而達(dá)... 

【文章來(lái)源】：蘭州交通大學(xué)甘肅省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 相關(guān)設(shè)備及其研究現(xiàn)狀
        1.2.2 相關(guān)技術(shù)及其研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
2 扣件圖像采集與預(yù)處理
    2.1 扣件圖像的采集
        2.1.1 光源選擇
        2.1.2 圖像采集
    2.2 圖形去噪
        2.2.1 濾波介紹
        2.2.2 均值濾波
        2.2.3 高斯濾波
        2.2.4 中值濾波
    2.3 仿真實(shí)驗(yàn)結(jié)果與分析
        2.3.1 仿真實(shí)驗(yàn)定性分析
        2.3.2 仿真實(shí)驗(yàn)定量分析
    2.4 小結(jié)
3 扣件邊緣檢測(cè)及定位
    3.1 改進(jìn)Canny算子檢測(cè)邊緣
        3.1.1 傳統(tǒng)Canny算子
        3.1.2 梯度計(jì)算
        3.1.3 二維Otsu算法
    3.2 基于Hough變換的直線定位方法
    3.3 仿真實(shí)驗(yàn)結(jié)果與分析
    3.4 小結(jié)
4 融合PHOG和 MBLBP特征的軌道扣件檢測(cè)算法
    4.1 PHOG特征
        4.1.1 梯度方向直方圖
        4.1.2 金字塔梯度方向直方圖
    4.2 MBLBP特征
        4.2.1 經(jīng)典局部二值模式
        4.2.2 多級(jí)區(qū)域局部二值模式
    4.3 融合PHOG特征和MBLBP特征
    4.4 支持向量機(jī)訓(xùn)練分類(lèi)
    4.5 仿真實(shí)驗(yàn)結(jié)果與分析
    4.6 小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)Canny算法的道路標(biāo)線自動(dòng)識(shí)別及定位[J]. 羅文婷,李中軼,李林,甘宏,郭建鋼.  西南交通大學(xué)學(xué)報(bào). 2018(06)
[2]鐵路扣件缺陷自動(dòng)檢測(cè)研究進(jìn)展[J]. 代先星,陽(yáng)恩慧,WANG Kelvin Chenping,邱延峻,LI Joshua Qiang.  鐵道科學(xué)與工程學(xué)報(bào). 2017(11)
[3]《中長(zhǎng)期鐵路網(wǎng)規(guī)劃》公布:高鐵“八縱八橫”確定[J].   企業(yè)研究. 2016(10)
[4]基于計(jì)算機(jī)視覺(jué)的軌道扣件缺陷自動(dòng)檢測(cè)算法研究[J]. 劉甲甲,熊鷹,李柏林,李立.  鐵道學(xué)報(bào). 2016(08)
[5]基于機(jī)器視覺(jué)的車(chē)載式鐵路軌道智能巡檢系統(tǒng)研究[J]. 王留軍,張鷹.  成都信息工程大學(xué)學(xué)報(bào). 2016(02)
[6]用于計(jì)算成像系統(tǒng)的基于信噪比自適應(yīng)估計(jì)的圖像去模糊研究[J]. 盧惠民,徐明,李迅.  光學(xué)學(xué)報(bào). 2014(08)
[7]LED燈的結(jié)構(gòu)特點(diǎn)及應(yīng)用[J]. 楊光.  燈與照明. 2012(03)
[8]淺談高鐵對(duì)民航發(fā)展的影響與對(duì)策[J]. 宋耀玲.  中小企業(yè)管理與科技(上旬刊). 2012(07)
[9]GJ-6型軌道檢測(cè)系統(tǒng)[J]. 魏世斌,劉伶萍,趙延峰,李穎,王昊.  鐵道建筑. 2011(11)
[10]キャ141系綜合檢測(cè)車(chē)[J]. 松岡成康,林航空.  國(guó)外內(nèi)燃機(jī)車(chē). 2007(06)

博士論文
[1]耦合的支持向量學(xué)習(xí)方法及應(yīng)用研究[D]. 史熒中.江南大學(xué) 2016
[2]唇讀發(fā)聲器中視覺(jué)信息的檢測(cè)與處理[D]. 王蒙軍.天津大學(xué) 2007
[3]支持向量機(jī)的理論與算法研究[D]. 王國(guó)勝.北京郵電大學(xué) 2008
[4]基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[D]. 唐發(fā)明.華中科技大學(xué) 2005

碩士論文
[1]基于圖像處理的鐵路扣件異常自動(dòng)檢測(cè)系統(tǒng)的研究[D]. 殷凱.南京郵電大學(xué) 2018
[2]復(fù)雜環(huán)境下軌面缺陷與扣件缺失的圖像檢測(cè)方法研究[D]. 肖本郁.蘭州交通大學(xué) 2018
[3]軌檢圖像中鋼軌表面缺陷分析與識(shí)別[D]. 程天棟.蘭州交通大學(xué) 2017
[4]基于機(jī)器視覺(jué)的鋼軌表面缺陷檢測(cè)技術(shù)研究[D]. 丁政開(kāi).北京交通大學(xué) 2017
[5]基于機(jī)器視覺(jué)的鐵路扣件缺陷檢測(cè)方法研究[D]. 王珍珍.蘭州交通大學(xué) 2016
[6]高質(zhì)量圖像獲取與處理技術(shù)研究[D]. 張栩銚.中國(guó)科學(xué)院研究生院(光電技術(shù)研究所) 2016
[7]基于高斯濾波技術(shù)的表面粗糙度的提取[D]. 梅倩倩.河南科技大學(xué) 2015
[8]基于灰度不變性的扣件缺陷檢測(cè)算法研究[D]. 侯云.西南交通大學(xué) 2015
[9]人臉識(shí)別系統(tǒng)相關(guān)問(wèn)題的研究[D]. 秦磊.江南大學(xué) 2014
[10]基于計(jì)算機(jī)視覺(jué)的鐵路扣件檢測(cè)算法研究[D]. 杭元元.西南交通大學(xué) 2014



本文編號(hào)：3032943