本文選題：計(jì)算機(jī)視覺(jué) + 扣件檢測(cè)��； 參考：《鐵道學(xué)報(bào)》2016年08期

【摘要】：針對(duì)軌道扣件缺陷自動(dòng)識(shí)別問(wèn)題,提出一種基于圖像融合特征和貝葉斯壓縮感知的圖像分類識(shí)別方法。從軌道圖像中分割出扣件子圖像,并分別提取其改進(jìn)的邊緣梯度特征IEOH和扣件端部的宏觀紋理特征MSLBP;利用層級(jí)加權(quán)融合將二者融合形成魯棒的、分辨力更強(qiáng)的IEOH_MSLBP特征;在貝葉斯壓縮感知模型的基礎(chǔ)上根據(jù)訓(xùn)練樣本構(gòu)建傳感矩陣,求解待測(cè)試樣本相應(yīng)的稀疏系數(shù)矢量,并根據(jù)系數(shù)矢量中對(duì)應(yīng)訓(xùn)練樣本類別的各元素的L2范數(shù)判定待測(cè)試扣件的狀態(tài)。實(shí)驗(yàn)結(jié)果表明,使用IEOH_MSLBP特征的平均檢測(cè)準(zhǔn)確率比單獨(dú)使用IEOH、MSLBP特征分別高出5.1%、4.7%;同時(shí),本文所提檢測(cè)方法相較于主流方法在識(shí)別率方面具有一定優(yōu)勢(shì),可為鐵路扣件自動(dòng)化巡檢提供重要技術(shù)借鑒。
[Abstract]:An image classification and recognition method based on image fusion features and Bayesian compression perception is proposed for automatic recognition of track fastener defects. The subimage of fastener is segmented from the track image, and the improved edge gradient feature IEOH and the macro texture feature of the end of the fastener are extracted, respectively, and the hierarchical weighted fusion is used to fuse the two images into a robust and more discriminant IEOH_MSLBP feature. Based on the Bayesian compressed perception model, the sensor matrix is constructed according to the training sample, and the sparse coefficient vector of the sample under test is solved. The state of the fastener to be tested is determined according to the L2 norm of each element corresponding to the training sample class in the coefficient vector. The experimental results show that the average detection accuracy of using IEOH_MSLBP features is 5.1 / 4.7 higher than that of IEOH_MSLBP / MSLBP features alone. At the same time, the detection methods proposed in this paper have some advantages over the mainstream methods in the recognition rate. It can provide important technical reference for automatic inspection of railway fastener.
【作者單位】： 西南交通大學(xué)機(jī)械工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51275431) 四川省科技支撐計(jì)劃(2012GZ0102,2014GZ0005) 2014年西南交通大學(xué)博士創(chuàng)新基金
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高美真;姜曉峰;;人類視覺(jué)與計(jì)算機(jī)視覺(jué)的比較[J];焦作師范高等專科學(xué)校學(xué)報(bào);2007年01期

2 徐光yP;;以人為中心的計(jì)算機(jī)視覺(jué)應(yīng)用[J];中國(guó)圖象圖形學(xué)報(bào);2009年02期

3 韓紅;焦李成;;談?dòng)?jì)算機(jī)視覺(jué)課程的教學(xué)創(chuàng)新[J];計(jì)算機(jī)教育;2010年19期

4 王振華;胡占義;;2011國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)簡(jiǎn)介[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年02期

5 劉兵;;關(guān)于計(jì)算機(jī)視覺(jué)成像的研究分析[J];煤炭技術(shù);2013年06期

6 顧偉康;計(jì)算機(jī)視覺(jué)學(xué)的發(fā)展概況[J];浙江大學(xué)學(xué)報(bào);1986年04期

7 蔡愉祖;計(jì)算機(jī)視覺(jué)概述[J];系統(tǒng)工程與電子技術(shù);1986年01期

8 戰(zhàn)德臣;陳景春;李仲榮;;計(jì)算機(jī)視覺(jué)研究的一種分布式專家系統(tǒng)模型[J];航天控制;1989年02期

9 趙榮椿;計(jì)算機(jī)視覺(jué)——未來(lái)測(cè)控技術(shù)中的重要角色[J];測(cè)控技術(shù);1992年01期

10 周國(guó)清,唐曉芳;計(jì)算機(jī)視覺(jué)及其應(yīng)用[J];中國(guó)計(jì)算機(jī)用戶;1996年08期

相關(guān)會(huì)議論文 前10條

1 宋小華;歐陽(yáng)丹彤;;時(shí)空推理在計(jì)算機(jī)視覺(jué)的應(yīng)用[A];2006年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

2 謝麗欣;牟會(huì);王歡;劉明霞;;基于計(jì)算機(jī)視覺(jué)的人臉檢測(cè)與識(shí)別綜述[A];第三屆全國(guó)軟件測(cè)試會(huì)議與移動(dòng)計(jì)算、柵格、智能化高級(jí)論壇論文集[C];2009年

3 田涌濤;洪錫軍;王有慶;李從心;;計(jì)算機(jī)視覺(jué)在先進(jìn)制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動(dòng)化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)暨第九屆全國(guó)特種加工學(xué)術(shù)年會(huì)論文集[C];2001年

4 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計(jì)算機(jī)視覺(jué)的荔枝檢測(cè)與分級(jí)方法[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

5 王劃一;王效良;;計(jì)算機(jī)視覺(jué)在絎縫機(jī)自動(dòng)編程及控制中的應(yīng)用[A];第二十屆中國(guó)控制會(huì)議論文集（下）[C];2001年

6 張慶敏;于龍;;計(jì)算機(jī)視覺(jué)在接觸網(wǎng)定位器坡度識(shí)別中的應(yīng)用[A];高速鐵路接觸網(wǎng)零部件安全可靠性技術(shù)論文集[C];2013年

7 閆曉霞;程蔭杭;;計(jì)算機(jī)視覺(jué)中圖像采集平臺(tái)的開(kāi)發(fā)[A];全國(guó)ISNBM學(xué)術(shù)交流會(huì)暨電腦開(kāi)發(fā)與應(yīng)用創(chuàng)刊20周年慶祝大會(huì)論文集[C];2005年

8 趙龍;李鐵軍;;基于計(jì)算機(jī)視覺(jué)的運(yùn)動(dòng)目標(biāo)三維可視化導(dǎo)航[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

9 王樹(shù)文;張長(zhǎng)利;房俊龍;;基于計(jì)算機(jī)視覺(jué)的田間雜草識(shí)別研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

10 趙軍;馮海萍;孔明;;計(jì)算機(jī)視覺(jué)百分表自動(dòng)檢定算法研究[A];高精度幾何量光電測(cè)量與校準(zhǔn)技術(shù)研討會(huì)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前2條

1 ;生活中的計(jì)算機(jī)視覺(jué)[N];中國(guó)計(jì)算機(jī)報(bào);2006年

2 記者 常麗君;新軟件能“預(yù)測(cè)”你各年齡段長(zhǎng)相[N];科技日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 王強(qiáng);基于幾何代數(shù)的計(jì)算機(jī)視覺(jué)問(wèn)題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 王任大;基于計(jì)算機(jī)視覺(jué)的手勢(shì)交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

3 孔明;顆粒粒徑和形態(tài)計(jì)算機(jī)視覺(jué)測(cè)量方法研究[D];東南大學(xué);2005年

4 劉釗;基于計(jì)算智能的計(jì)算機(jī)視覺(jué)及其應(yīng)用研究[D];武漢科技大學(xué);2011年

5 李慶中;蘋果自動(dòng)分級(jí)中計(jì)算機(jī)視覺(jué)信息快速獲取與處理技術(shù)的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2000年

6 謝存;計(jì)算機(jī)視覺(jué)中若干問(wèn)題實(shí)現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

7 柴阿麗;基于計(jì)算機(jī)視覺(jué)和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2011年

8 王習(xí)文;光電經(jīng)緯儀跟蹤飛機(jī)的3D計(jì)算機(jī)視覺(jué)研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

9 尹宏鵬;基于計(jì)算機(jī)視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];重慶大學(xué);2009年

10 趙顏利;計(jì)算機(jī)視覺(jué)三維重建若干技術(shù)研究[D];南京理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 余饒東;基于腦波與計(jì)算機(jī)視覺(jué)的注意力檢測(cè)技術(shù)在E-Learning中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 李想;基于計(jì)算機(jī)視覺(jué)的花卉分級(jí)系統(tǒng)研究[D];天津理工大學(xué);2015年

3 吳林林;基于計(jì)算機(jī)視覺(jué)的皮革測(cè)配色研究[D];陜西科技大學(xué);2015年

4 龍怡霖;基于計(jì)算機(jī)視覺(jué)的雜草種子鑒別[D];西北農(nóng)林科技大學(xué);2015年

5 王碩;基于計(jì)算機(jī)視覺(jué)的大菱鲆魚(yú)苗計(jì)數(shù)方法研究[D];太原科技大學(xué);2015年

6 王云;基于EEG與計(jì)算機(jī)視覺(jué)的人臉檢索閉環(huán)系統(tǒng)[D];浙江大學(xué);2016年

7 李佳慧;基于單目攝像頭的指尖檢測(cè)算法和應(yīng)用[D];吉林大學(xué);2016年

8 馬森晨;基于計(jì)算機(jī)視覺(jué)的大空間消防機(jī)器人[D];福州大學(xué);2014年

9 趙宇宙;基于計(jì)算機(jī)視覺(jué)的石油桶桶口識(shí)別技術(shù)[D];吉林大學(xué);2015年

10 姜楠;攝影測(cè)量計(jì)算機(jī)視覺(jué)在工業(yè)測(cè)量中的關(guān)鍵技術(shù)[D];西安科技大學(xué);2008年

，

本文編號(hào)：1804421