本文選題：鋼軌表面缺陷 + 高質(zhì)量圖像��； 參考：《南昌大學(xué)》2017年碩士論文

【摘要】：軌道檢測能夠為鐵路檢修提供缺陷數(shù)據(jù),正成為消除鐵路安全隱患的必要手段之一�；跈C器視覺的軌道缺陷檢測由于其速度快、精度高、可靠性高等優(yōu)勢,成為軌道檢測研究的一個熱點。由于機器視覺系統(tǒng)中采集的原始圖像的穩(wěn)定性和質(zhì)量的優(yōu)劣會直接影響到后期圖像處理的結(jié)果,合適的軌道缺陷成像系統(tǒng)能夠降低軌道外部環(huán)境對成像系統(tǒng)的影響,提高圖像處理的速度、降低漏檢率和勿檢率,因此對軌道缺陷成像系統(tǒng)的研究至關(guān)重要。本文以提高機器視覺軌道檢測中成像效果為目的,以提高圖像質(zhì)量為切入點,深入研究成像方式對表面缺陷的影響、軌道表面缺陷特性和機器視覺成像模型,并通過實驗驗證模型的結(jié)論。本文主要研究內(nèi)容如下:以鋼軌表面高質(zhì)量圖像獲取為目標(biāo),建立表面缺陷檢測光學(xué)成像模型;分析系統(tǒng)振動對圖像質(zhì)量的影響,并將理論推廣,研究基于線陣CCD相機機器視覺系統(tǒng)對軌面缺陷檢測的數(shù)學(xué)模型,分析缺陷深度與圖像灰度、成像方式之間的關(guān)系以及光照角度與圖像灰度、對比度之間的關(guān)系,然后得出在45°的光源照射角度下,圖片質(zhì)量較其他角度高的理論結(jié)論,通過實驗證明的模型中的結(jié)論的正確性。針對軌面光帶強反光對軌面缺陷掩蓋的問題,將偏振光引入軌道缺陷檢測中,建立偏振光的機器視覺檢測的光強度數(shù)學(xué)模型,研究圖像灰度值、對比度與偏振片夾角的關(guān)系,分析偏振光對強反射光的抑制作用。實驗證明采用偏振光能夠有效抑制光帶強反光,軌道圖像質(zhì)量較原系統(tǒng)有所提高。為了從客觀角度分析驗證不同成像系統(tǒng)采集圖片的對比度高低,并保留人眼對圖像對比度判斷的特性,引入人眼感興趣區(qū)域和非感興趣區(qū)域權(quán)重系數(shù),提出一種基于HVS的無參考圖像對比度評價方法,經(jīng)實驗驗證其與人眼主觀評價結(jié)果相關(guān)性更好;然后用該方法對不同成像系統(tǒng)采集的圖片進(jìn)行評價,客觀評價其對比度的高低,表明成像效果的優(yōu)劣。通過客觀量化的評價證明了成像系統(tǒng)優(yōu)化的效果。
[Abstract]:Track detection, which can provide defect data for railway inspection and repair, is becoming one of the necessary means to eliminate the hidden trouble of railway safety.Track defect detection based on machine vision has become a hot research area because of its high speed, high accuracy and high reliability.Because the stability and quality of the original image collected in the machine vision system will directly affect the result of the later image processing, the proper track defect imaging system can reduce the impact of the orbit external environment on the imaging system.It is very important to improve the speed of image processing and to reduce the rate of missing and unchecked image processing, so it is very important to study the imaging system of track defects.In order to improve the imaging effect of machine vision track detection and to improve the image quality, this paper deeply studies the influence of imaging mode on surface defects, the characteristics of track surface defects and the imaging model of machine vision.The conclusion of the model is verified by experiments.The main contents of this paper are as follows: aiming at obtaining high quality image of rail surface, the optical imaging model of surface defect detection is established, the influence of system vibration on image quality is analyzed, and the theory is generalized.This paper studies the mathematical model of track defect detection based on linear CCD camera machine vision system, analyzes the relationship between defect depth and image grayscale, imaging method, illumination angle and image grayscale and contrast.Then the theoretical conclusion that the image quality is higher than other angles at 45 擄light source irradiation angle is obtained, and the correctness of the conclusion in the model is proved by experiment.Aiming at the problem that the rail surface defect is masked by the strong reflective light of the rail surface, the polarized light is introduced into the track defect detection, and the mathematical model of the optical intensity of the polarized light is established, and the relationship between the image gray value, the contrast and the angle between the polarizer and the optical intensity is studied.The inhibitory effect of polarized light on strongly reflected light is analyzed.The experiments show that the polarized light can effectively suppress the strong reflectance of the optical band, and the quality of the track image is improved compared with the original system.In order to analyze and verify the contrast of images collected by different imaging systems from an objective point of view, and to retain the characteristics of human eyes' judgment of image contrast, the weight coefficients of region of interest and region of non-interest are introduced.In this paper, a method of contrast evaluation without reference image based on HVS is proposed, which is proved to be more relevant to the subjective evaluation results of human eyes by experiments, and then the images collected by different imaging systems are evaluated by this method, and the contrast degree is evaluated objectively.The results show that the imaging effect is good and bad.The effect of the optimization of the imaging system is proved by objective and quantitative evaluation.
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;機器視覺[J];光機電信息;2002年08期

2 朱瑞;機器視覺在復(fù)雜零、部件測量方面的應(yīng)用[J];今日電子;2004年06期

3 黎紅偉;;關(guān)于機器視覺鏡頭[J];可編程控制器與工廠自動化;2005年02期

4 錢競業(yè);;機器視覺的發(fā)展方向探討[J];現(xiàn)代制造;2006年06期

5 傅昆;;行者無疆——機器視覺的中國崛起[J];現(xiàn)代制造;2006年21期

6 雷文華;;機器視覺及其應(yīng)用(系列講座) 第一講 機器視覺發(fā)展概述[J];應(yīng)用光學(xué);2006年05期

7 ;機器視覺的應(yīng)用使生產(chǎn)加工更加智能、高效[J];現(xiàn)代制造;2009年06期

8 李樹杰;;中國機器視覺的發(fā)展趨勢[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2010年01期

9 ;機器視覺最新技術(shù)動態(tài)[J];中國光學(xué);2013年01期

10 馮伯儒;;機器視覺中的電-光技術(shù)[J];光電子學(xué)技術(shù);1986年01期

相關(guān)會議論文 前10條

1 趙磊;董吉文;李金屏;;拓?fù)淅碚撛跈C器視覺中的研究進(jìn)展[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學(xué)會、河北省計算機學(xué)會、河北省自動化學(xué)會、河北省人工智能學(xué)會、河北省計算機輔助設(shè)計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學(xué)術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學(xué)術(shù)會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應(yīng)用研究[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應(yīng)用綜述[A];2007年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學(xué)技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學(xué);2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導(dǎo)航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學(xué);2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學(xué);2016年

4 沈振乾;基于機器視覺的交叉路口智能交通燈控制關(guān)鍵技術(shù)研究[D];天津工業(yè)大學(xué);2014年

5 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學(xué);2013年

6 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

7 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學(xué);2013年

8 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學(xué);2009年

9 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學(xué);2006年

10 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學(xué);2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學(xué);2015年

3 許哲;基于機器視覺的快速測溫?zé)犭娕己附蛹夹g(shù)研究[D];河北聯(lián)合大學(xué);2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學(xué);2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學(xué);2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學(xué);2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學(xué);2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學(xué);2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學(xué);2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學(xué);2015年

，

本文編號：1746700