接觸網是鐵路系統(tǒng)中較為薄弱的部分,一旦接觸網出現故障,會直接影響到列車的安全運行,威脅人類的生命安全。因此,為保障列車的安全運營,對接觸網故障部位進行檢測與排查至關重要。使用智能圖像處理技術的非接觸式檢測方法,無需介入行車系統(tǒng),檢測速度快,可以逐步代替目前效率低、誤差大的人工巡檢模式。本文緊扣接觸網故障的檢測與定位問題,從接觸網圖像拼接、故障火弧分割、故障檢測與定位三方面進行研究。首先,針對高鐵運行速度快,捕捉的接觸網圖像不完整,普通算法難以進行實時監(jiān)測的問題,發(fā)展了一種基于AKAZE-ORB的接觸網圖像拼接算法,該改進方法使用AKAZE算法提取圖像的特征點,使用ORB算法進行特征點描述,并使用自適應加權平均算法對拼接后的圖像進行融合處理。實驗結果表明,使用改進算法拼接后的圖像無拼接縫、無鬼影,色彩和亮度過度真實自然。改進算法特征配準精度較高,且特征提取速度和特征點描述速度較ORB算法、KAZE算法和AKAZE都有較大提升。接著本文對故障火弧進行聚類分割研究,改進了PSO-FCM聯(lián)合算法。引入粒子群算法（PSO）解決模糊C均值算法（FCM）算法對初始聚類中心敏感并容易陷入局部極值的問題... 

【文章來源】：西南科技大學四川省

【文章頁數】：72 頁

【學位級別】：碩士

【部分圖文】：

章節(jié)預處理-圖像拼接（第2章）

1緒論7使用粒子群算法進行優(yōu)化，提出一種改進的PSO-FCM算法。改進算法引入一種交互式多尺度學習方案，優(yōu)化了PSO-FCM算法的學習因子和模型更新策略。最后對改進算法從直觀分割結果、分割劃分系數和劃分熵進行實驗驗證和對比分析。第4章首先分析BOW模型的基本原理，介紹了從文本領域向圖像領域的過渡過程以及BOW模型構建步驟，然后基于BOW模型提出改進算法。改進算法對梯度位置方向直方圖（GLOH）特征、旋轉不變的等價LBP（RIULBP）特征以及改進的HIS-RGB顏色特征進行多特征的提取代替BOW模型的單一SIFT特征，引入一種基于權值分布的直方圖表示法改進詞典構造方式，并采用LSSVM分類器代替?zhèn)鹘y(tǒng)BOW模型中的SVM分類器完成分類訓練。最后介紹了樣本集的準備，對改進算法的檢測精確度、召回率以及誤檢率進行對比驗證，并對最終的故障定位結果進行比較分析。最后對本文課題的研究內容和實驗結果進行總結，并對研究實驗的不足和后續(xù)的研究方向進行補充說明。本文第2、3、4章的章節(jié)內容關系如圖1-1所示：圖1-1章節(jié)內容聯(lián)系Fig.1-1Chaptercontentcontact預處理-圖像拼接（第2章）聚類算法圖像分割（第3章）故障火弧檢測與定位（第4章）接觸網視頻圖像

2基于AKAZE-ORB的接觸網圖像拼接算法9圖2-1FAST特征點檢測Fig.2-1FASTfeaturepointdetection2）ORB特征描述（1）確定提取特征的方向采用簡單但有效的角度方向測量方式即灰度質心法[40]來確定特征點的方向�；叶荣|心假定角點的灰度偏離其中心，并且該偏移向量可用于估算方向。Rosin定義特征點鄰域的p+q階矩為：=∑,(,)（2-2）其中，,∈(0,1)，(,)是像素點(,)的灰度值。定義圖像塊的質心為：=(1000，0100)（2-3）把x和y的范圍保持在[,]之間（r為該特征點鄰域的半徑），以特征點為坐標原點，特征點與質心的夾角即為特征點的方向角，計算公式如公式（2-4）所示：=2(01,10)（2-4）（2）對特征進行BRIEF描述BRIEF描述子由MichaelCalonder等人提出，使用二進制碼串作為描述子向量。以特征點為中心，在×的鄰域大窗口（一般=31）中隨機選取兩個大小為5×5的子窗口，比較子窗口內的像素和，進行二進制賦值。二元測試由公式（2-5）定義：(;,)={1∶()<()0∶()≥()（2-5）式中p（x）是x點處的p強度。在大窗口中隨機選取對子窗口，重復進行二進制賦值操作，形成一個二進制編碼串，即是特征描述子，如公式（2-6）所示：()=∑211≤≤ε(p;,)（2-6）特征維度n取為256。

【參考文獻】：
期刊論文
[1]基于局部二值差異激勵模式的木材缺陷分類[J]. 李紹麗,苑瑋琦,楊俊友,李德健.  儀器儀表學報. 2019(06)
[2]基于嵌入式系統(tǒng)的艦船圖像拼接技術[J]. 張鵬程.  艦船科學技術. 2019(06)
[3]融合BOW模型的多特征子空間行人重識別算法[J]. 朱小波,車進.  計算機工程與應用. 2019(18)
[4]基于改進KAZE的無人機航拍圖像拼接算法[J]. 韓敏,閆闊,秦國帥.  自動化學報. 2019(02)
[5]基于薄云厚度分布評估的遙感影像高保真薄云去除方法[J]. 汪月云,黃微,王睿.  計算機應用. 2018(12)
[6]目標檢測算法研究綜述[J]. 方路平,何杭江,周國民.  計算機工程與應用. 2018(13)
[7]基于詞袋特征算法的藥品分層缺陷檢測[J]. 劉玉環(huán),唐庭龍,陳勝勇.  計算機工程. 2018(06)
[8]基于LBP-HSV模型及改進SIFT算法的行人再識別算法[J]. 晉麗榕,王海梅,徐丹萍.  計算機測量與控制. 2018(05)
[9]基于HCA與KAZE的鐵路路基GPR圖像配準算法[J]. 杜翠,張千里,劉杰.  計算機工程. 2018(03)
[10]基于改進信息增益的人體動作識別視覺詞典建立[J]. 吳峰,王穎.  計算機應用. 2017(08)

碩士論文
[1]圖形模糊聚類及圖像分割算法研究[D]. 孫佳美.西安郵電大學 2019
[2]基于機器學習的運動目標識別與跟蹤研究與設計[D]. 翁靜文.西南科技大學 2019
[3]基于BOW的工業(yè)機器人視覺特征提取技術研究[D]. 殷賀賀.安徽工程大學 2017
[4]基于QR分解的稀疏LSSVM算法研究[D]. 周艷玲.西安電子科技大學 2017
[5]基于OpenCV的接觸網定位線夾狀態(tài)智能檢測[D]. 張春春.西南交通大學 2016
[6]基于圖像的接觸網支柱檢測與編號識別[D]. 武翔宇.西南交通大學 2015
[7]基于BoW模型的圖像分類方法研究[D]. 王瑩.哈爾濱工程大學 2012



本文編號：3143328