隨著我國鐵路交通運輸行業(yè)的高速發(fā)展,鐵路里程逐年增長,鐵路線路巡檢的壓力越來越大,設(shè)計能夠自動化巡檢線路狀況的系統(tǒng)已成為鐵路工務(wù)部門的迫切需求。軌道扣件系統(tǒng)是鐵路軌道表面基礎(chǔ)設(shè)施的重要組成部分之一,是整個軌道系統(tǒng)不可或缺的一部分,起到將鋼軌固定在軌枕上或者混凝基座上的作用,保證列車行車安全。因此,研究基于圖像處理的軌道扣件狀態(tài)識別算法具有十分重要的理論和實際意義。首先,為了扣件狀態(tài)識別的正常進行,根據(jù)實際的軌道圖像特點,構(gòu)建了一種基于形態(tài)學(xué)處理的扣件定位方法,利用軌枕、鋼軌和枕肩的邊緣特征快速得到定位坐標,根據(jù)坐標信息從原始圖像中定位扣件子圖像。針對定位有偏差的扣件子圖像,充分挖掘扣件區(qū)域與非扣件區(qū)域的特征信息,構(gòu)建了一種基于超像素處理的自動調(diào)整扣件子圖像定位坐標的算法,使用超像素處理方法將扣件子圖像分割成若干個超像素區(qū)域,然后利用超像素的五個特征將超像素區(qū)域聚集成多個較大的聚類區(qū)域,接著根據(jù)扣件區(qū)域的顏色特征合并聚類區(qū)域,從扣件子圖像中分割出扣件區(qū)域,最后根據(jù)子圖像中扣件區(qū)域的坐標位置調(diào)整原始扣件子圖像的定位坐標,該方法提高了扣件子圖像的定位精準度。其次,為了獲取扣件圖像的局部特征,...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
2 扣件圖像的定位與自適應(yīng)分割
    2.1 基于形態(tài)學(xué)處理的扣件圖像定位
        2.1.1 邊緣檢測
        2.1.2 形態(tài)學(xué)處理
        2.1.3 投影定位扣件位置
    2.2 扣件圖像自適應(yīng)調(diào)整
        2.2.1 扣件區(qū)域正確定位的判別
        2.2.2 超像素分割
        2.2.3 聚類超像素區(qū)域
        2.2.4 區(qū)域合并
        2.2.5 扣件圖像定位坐標的調(diào)整
    2.3 本章小節(jié)
3 扣件圖像特征提取
    3.1 局部特征
        3.1.1 局部二值模式
        3.1.2 LBP旋轉(zhuǎn)不變模式
        3.1.3 LBP均勻模式
        3.1.4 提取扣件圖像局部特征
    3.2 全局特征
        3.2.1 HOG特征
        3.2.2 提取扣件圖像全局特征
    3.3 本章小節(jié)
4 扣件圖像分類識別與應(yīng)用
    4.1 扣件訓(xùn)練樣本庫構(gòu)建
        4.1.1 拼接與鏡像
        4.1.2 對比度變換
    4.2 HOG-SVM分類模型構(gòu)建
        4.2.1 支持向量機
        4.2.2 HOG-SVM分類模型
        4.2.3 實驗結(jié)果及分析
    4.3 LBP-BP分類模型構(gòu)建
        4.3.1 BP神經(jīng)網(wǎng)絡(luò)
        4.3.2 LBP-BP分類模型
        4.3.3 實驗結(jié)果及分析
    4.4 混合分類模型構(gòu)建
        4.4.1 混合分類模型
        4.4.2 實驗結(jié)果及分析
    4.5 本章小節(jié)
結(jié)論
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3933301