隨著高速鐵路行車密度增加、運行速度提高以及重載貨運線路載重增加,鋼軌的負荷、受到擠壓及沖擊程度增大,鋼軌故障和傷損發(fā)生的概率增大,鋼軌的傷損類型和失效模式也在發(fā)生變化,進而對傳統(tǒng)鋼軌檢測和檢測技術(shù)帶來了挑戰(zhàn),因此鐵路鋼軌缺陷傷損檢測對鐵路基礎(chǔ)設(shè)施的保障維護具有重要意義。機器視覺技術(shù)具有非接觸、速度快、精度高、抗干擾性強等優(yōu)點,已被廣泛應(yīng)用于鋼軌表面缺陷檢測中,文中對鋼軌缺陷的視覺技術(shù)展開研究,提出了基于改進馬爾可夫隨機場的鋼軌缺陷分割方法。論文首先結(jié)合鋼軌缺陷分割的目標,設(shè)計了鋼軌缺陷分割系統(tǒng)的總體方案,對圖像采集模塊的成像系統(tǒng)、照明系統(tǒng)、運動平臺等進行了硬件選型,完成了高質(zhì)量的圖像采集。根據(jù)基于機器視覺的鋼軌表面缺陷檢測系統(tǒng)的要求,給出了鋼軌缺陷檢測算法的基本流程。其次,利用改進的BM3D算法對采集的鋼軌圖像進行去燥,消除了鋼軌圖像獲取過程中的原始噪聲。分析了鋼軌圖像各區(qū)域灰度特征,利用軌面區(qū)域和非軌區(qū)域灰度的差異特點,提出了基于垂直投影的鋼軌區(qū)域提取算法,實現(xiàn)了鋼軌區(qū)域的提取。然后,通過研究圖像灰度分布特征,結(jié)合背景差分法對圖像灰度進行預(yù)處理,以保持圖像灰度基本一致,增強缺陷特征。... 

【文章來源】：長沙理工大學(xué)湖南省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 機器視覺鋼軌表面缺陷檢測的難點
    1.4 論文的主要工作
第二章 鋼軌表面缺陷檢測系統(tǒng)設(shè)計
    2.1 系統(tǒng)設(shè)計目標
    2.2 系統(tǒng)總體方案
    2.3 系統(tǒng)硬件結(jié)構(gòu)設(shè)計
        2.3.1 成像系統(tǒng)
        2.3.2 照明系統(tǒng)
        2.3.3 運動平臺
    2.4 系統(tǒng)軟件流程設(shè)計
    2.5 本章小結(jié)
第三章 鋼軌區(qū)域提取與圖像預(yù)處理算法
    3.1 圖像濾波
    3.2 鋼軌區(qū)域提取
        3.2.1 鋼軌區(qū)域提取方法簡述
        3.2.2 基于垂直投影的鋼軌區(qū)域提取算法
        3.2.3 鋼軌區(qū)域提取實驗結(jié)果
    3.3 圖像預(yù)處理
        3.3.1 基于背景差分的圖像預(yù)處理
        3.3.2 實驗結(jié)果
    3.4 本章小結(jié)
第四章 基于改進MRF的鋼軌缺陷自動分割算法
    4.1 常用的鋼軌缺陷分割方法
        4.1.1 模糊C均值算法
        4.1.2 高斯混合模型算法
    4.2 基于改進MRF的鋼軌缺陷分割算法
        4.2.1 模糊集理論
        4.2.2 馬爾可夫隨機場理論
        4.2.3 基于改進MRF的鋼軌缺陷分割算法
    4.3 實驗結(jié)果與分析
        4.3.1 實驗設(shè)置
        4.3.2 缺陷分割評價指標
        4.3.3 實驗分析與比較
    4.4 本章小結(jié)
結(jié)論
參考文獻
致謝
附錄A 攻讀碩士學(xué)位期間完成的論文及獲得的專利
附錄B 攻讀碩士學(xué)位期間獲得的獎勵
附錄C 攻讀碩士學(xué)位期間參與的項目


【參考文獻】：
期刊論文
[1]基于核函數(shù)與馬氏距離的FCM圖像分割算法[J]. 王燕,亓祥惠,段亞西.  計算機應(yīng)用研究. 2020(02)
[2]激光點源與線源激發(fā)表面波與鋼軌缺陷作用的有限元仿真和實驗[J]. 隋皓,高曉蓉,羅林,朱宏娜,鐘云杰.  激光與光電子學(xué)進展. 2019(08)
[3]基于改進BM3D算法的椒鹽噪聲去噪[J]. 肖佳,張俊華,梅禮曄.  計算機工程與應(yīng)用. 2018(21)
[4]基于歐氏空間距離的加強模糊C均值聚類方法[J]. 張永芳,王小鵬,馬鵬,麻文剛.  傳感器與微系統(tǒng). 2018(09)
[5]基于動態(tài)粒子群優(yōu)化與K-means聚類的圖像分割算法[J]. 李立軍,張曉光.  現(xiàn)代電子技術(shù). 2018(10)
[6]基于曲率濾波和改進GMM的鋼軌缺陷自動視覺檢測方法[J]. 張輝,金俠挺,Wu Q.M.Jonathan,賀振東,王耀南.  儀器儀表學(xué)報. 2018(04)
[7]鋼軌軌頭淺表面缺陷的空氣耦合超聲導(dǎo)波檢測[J]. 常俊杰,李媛媛,李光亞.  無損檢測. 2018(03)
[8]基于小波圖像融合算法和改進FCM聚類的MR腦部圖像分割算法[J]. 耿艷萍,郭小英,王華夏,陳磊,李雪梅.  計算機科學(xué). 2017(12)
[9]基于軌面適應(yīng)承載機構(gòu)的鋼軌表面缺陷的漏磁檢測[J]. 白堅,王平,鄒朋朋.  無損檢測. 2017(11)
[10]鋼軌表面缺陷圖像自適應(yīng)分割算法[J]. 閔永智,岳彪,馬宏鋒,程天棟,肖本郁.  北京工業(yè)大學(xué)學(xué)報. 2017(10)

博士論文
[1]基于超聲導(dǎo)波的鋼軌軌底無損檢測關(guān)鍵技術(shù)研究[D]. 胡劍虹.浙江大學(xué) 2014

碩士論文
[1]基于圖像處理的鋼軌表面缺陷檢測與定位研究[D]. 李曉梅.蘭州交通大學(xué) 2018
[2]基于激光超聲技術(shù)的鋼軌表面及亞表面缺陷檢測研究[D]. 鐘云杰.西南交通大學(xué) 2018
[3]面向鋼軌踏面斜裂紋傷損的脈沖渦流檢測方法研究[D]. 彭謝丹.浙江大學(xué) 2018
[4]軌檢圖像中鋼軌表面缺陷分析與識別[D]. 程天棟.蘭州交通大學(xué) 2017
[5]基于BM3D的圖像去噪算法研究[D]. 張哲熙.西安電子科技大學(xué) 2017
[6]機器視覺軌道缺陷檢測成像系統(tǒng)的研究[D]. 張叢.南昌大學(xué) 2017
[7]基于機器視覺的鋼軌表面缺陷檢測技術(shù)研究[D]. 丁政開.北京交通大學(xué) 2017
[8]軌道缺陷自動檢測系統(tǒng)的圖像處理技術(shù)研究[D]. 吳夢.西南交通大學(xué) 2013
[9]鐵軌表面缺陷的視覺檢測算法研究[D]. 唐湘娜.湖南大學(xué) 2013
[10]鋼軌高速電磁巡檢下的渦流效應(yīng)及補償研究[D]. 柳杰.南京航空航天大學(xué) 2012



本文編號：3642692