發(fā)布時(shí)間：2018-06-25 21:49

  本文選題：筆畫寬度變換 + 圖像處理　； 參考：《西南交通大學(xué)》2017年碩士論文

【摘要】：目前,我國(guó)迎來(lái)了高速鐵路建設(shè)的高潮,按照《中長(zhǎng)期鐵路網(wǎng)規(guī)劃》我國(guó)最終形成"八橫八縱"的高速鐵路網(wǎng),運(yùn)營(yíng)里程的增加和速度的提升使列車安全問(wèn)題越來(lái)越受重視。受電弓滑板作為列車從接觸網(wǎng)上獲取電能的關(guān)鍵部件,在利用現(xiàn)有圖像處理技術(shù)監(jiān)測(cè)到其發(fā)生異常情況后,需要迅速判斷列車車號(hào)等相關(guān)信息,及時(shí)排除安全隱患并上報(bào)有關(guān)部門。使用傳統(tǒng)射頻技術(shù)識(shí)別車號(hào)無(wú)法建立與受電弓滑板狀態(tài)一一對(duì)應(yīng)的關(guān)系,而利用攝像機(jī)同時(shí)采集車號(hào)圖像與受電弓滑板圖像進(jìn)行車號(hào)識(shí)別達(dá)到了這樣要求,是進(jìn)一步檢測(cè)受電弓故障異常狀態(tài)的基礎(chǔ)。本文工作是依托受電弓滑板監(jiān)測(cè)裝置來(lái)展開(kāi)的,算法利用攝像機(jī)對(duì)列車側(cè)面拍攝得到的車號(hào)數(shù)據(jù),進(jìn)行車號(hào)定位、矯正、分割后,完成了高速列車車號(hào)自動(dòng)識(shí)別的任務(wù)。本文主要內(nèi)容如下:(1)在圖像預(yù)處理階段,使用帶彩色恢復(fù)的多尺度視網(wǎng)膜皮層增強(qiáng)算法(Multi-scale Retinex with Color Restoration,MSRCR)對(duì)數(shù)據(jù)集中部分受到天氣或者拍攝環(huán)境影響產(chǎn)生的過(guò)曝、過(guò)暗以及存在霧氣的圖像進(jìn)行圖像增強(qiáng)。(2)車號(hào)精確定位過(guò)程中,針對(duì)筆畫寬度變換(Stroke Width Transform,SWT)出現(xiàn)計(jì)算量大、定位不準(zhǔn)等問(wèn)題,首先提前進(jìn)行圖像輪廓篩選和設(shè)置最大筆畫閾值,然后進(jìn)行筆畫寬度變換,最后采用形態(tài)學(xué)膨脹操作將單個(gè)字符筆畫值連接為一個(gè)車號(hào)整體進(jìn)行定位。經(jīng)測(cè)試,改進(jìn)后的SWT變換程序運(yùn)算時(shí)間比原算法縮短了約70%。(3)針對(duì)車號(hào)存在透視畸變的問(wèn)題,首先分析了傳統(tǒng)基于滅點(diǎn)算法在本文中的不適應(yīng)性,然后研究了變換不變低秩紋理(Transform Invariant Low-rank Textures,TILT)算法,建立了求解的數(shù)學(xué)模型并進(jìn)行矯正,最后單個(gè)車號(hào)字符分割過(guò)程中,本文引入了一種基于字符間距的輪廓檢測(cè)均分算法。該算法對(duì)存在斷裂和粘連字符的分割正確率與普通的輪廓分割算法相比有較大的提高。(4)在單個(gè)字符識(shí)別過(guò)程中,首先對(duì)小樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)以滿足訓(xùn)練網(wǎng)絡(luò)的需要,然后以經(jīng)典LeNet_5網(wǎng)絡(luò)結(jié)構(gòu)為參考,設(shè)計(jì)了適合本文數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)網(wǎng)絡(luò)結(jié)構(gòu),采用實(shí)驗(yàn)證明了網(wǎng)絡(luò)的合理性。最終的實(shí)驗(yàn)結(jié)果表明,對(duì)11類字符分類準(zhǔn)確率可以達(dá)到99.9%。
[Abstract]:At present, our country has ushered in the high tide of high-speed railway construction. According to the "medium and long term Railway Network Plan", our country finally formed the "eight horizontal and eight vertical" high-speed railway network. The increase of mileage and the increase of speed make the train safety problem more and more important. Pantograph slide plate is the key component of the train to obtain electric energy from the contact line. After using the existing image processing technology to monitor the abnormal situation, it is necessary to quickly judge the train number and other relevant information. Remove hidden safety troubles in time and report to relevant departments. Using the traditional radio frequency technology to identify the vehicle number can not establish a one-to-one relationship with the pantograph skateboard state, but using the camera to collect the vehicle number image and the pantograph skateboard image at the same time for the identification of the vehicle number can achieve this requirement. It is the basis of detecting the abnormal state of pantograph fault. The work of this paper is based on pantograph skateboard monitoring device. The algorithm uses video camera to obtain the vehicle number data from the side of the train to locate, correct and segment the vehicle number, and complete the task of automatic identification of the vehicle number of the high-speed train. The main contents of this paper are as follows: (1) Multi-scale Retinex with Color RestorationMSRCR (Multi-scale Retinex with Color RestorationMSRCRs) is used in the image preprocessing stage. (2) in the process of accurate location of vehicle number, the Stroke width transform SWT (Stroke width transform SWT) has the problems of large amount of calculation and inaccurate positioning. Firstly, the image contour is screened and the maximum stroke threshold is set in advance. Then the stroke width is transformed and the single character stroke value is connected to a vehicle number to locate by morphological expansion operation. After testing, the operation time of the improved SWT transform program is shortened by about 70 percent compared with the original algorithm. (3) aiming at the problem of the vehicle number with perspective distortion, this paper first analyzes the inadaptability of the traditional algorithm based on vanishing point in this paper. Then, the transform variant Low-rank texture (TILT) algorithm is studied, and the mathematical model is established and corrected. Finally, in the process of single vehicle number character segmentation, a contour detection averaging algorithm based on character spacing is introduced in this paper. Compared with the common contour segmentation algorithm, the segmentation accuracy of this algorithm is much higher than that of the common contour segmentation algorithm. (4) in the process of single character recognition, the small sample data is firstly enhanced to meet the needs of the training network. Then, a Convolutional Neural Networks (CNN) network structure suitable for the data of this paper is designed, and the rationality of the network is proved by experiments. The final experimental results show that the accuracy of classification of 11 kinds of characters can reach 99.9%.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陜耀;張雁橋;;圖像處理技術(shù)在鐵路車號(hào)自動(dòng)識(shí)別中應(yīng)用的探討[J];鐵路計(jì)算機(jī)應(yīng)用;2006年07期

2 唐曼;;車號(hào)識(shí)別模擬系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];鐵路計(jì)算機(jī)應(yīng)用;2014年01期

3 沈友敏;車號(hào)的謎中之謎[J];計(jì)算機(jī)應(yīng)用研究;1989年06期

4 周文波;;車號(hào)自動(dòng)識(shí)別地面裝置的設(shè)計(jì)及探究[J];電子測(cè)試;2013年09期

5 常華;;車號(hào)自動(dòng)識(shí)別系統(tǒng)[J];黑龍江科技信息;2007年20期

6 張信國(guó);車號(hào)自動(dòng)識(shí)別系統(tǒng)在鐵路運(yùn)輸中的應(yīng)用[J];鐵道運(yùn)輸與經(jīng)濟(jì);1998年05期

7 劉斌,劉　,王普,張大力;貨車車號(hào)識(shí)別的研究與應(yīng)用[J];電視技術(shù);1999年07期

8 葛莉;趙歆波;;視覺(jué)注意力機(jī)制在貨運(yùn)列車車號(hào)定位中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2014年08期

9 王曉華,高慶吉,趙衛(wèi)平;利用模糊統(tǒng)計(jì)法識(shí)別貨運(yùn)列車車號(hào)的研究[J];中國(guó)圖象圖形學(xué)報(bào);2000年11期

10 宋立成;;鐵路車號(hào)自動(dòng)識(shí)別系統(tǒng)標(biāo)簽識(shí)別率的分析[J];上海鐵道科技;2011年03期

相關(guān)會(huì)議論文 前6條

1 馬振生;張長(zhǎng)安;;鐵路車號(hào)自動(dòng)識(shí)別系統(tǒng)常見(jiàn)故障及處理[A];第十屆中國(guó)科協(xié)年會(huì)論文集（一）[C];2008年

2 劉忠東;;鐵路車號(hào)自動(dòng)識(shí)別系統(tǒng)[A];快速提升鐵路建設(shè)與裝備現(xiàn)代化技術(shù)促進(jìn)鐵路跨越式發(fā)展——中國(guó)科協(xié)第五屆青年學(xué)術(shù)年會(huì)第九分會(huì)場(chǎng)論文集[C];2004年

3 張?jiān)?;鐵路車號(hào)自動(dòng)識(shí)別的應(yīng)用與維護(hù)[A];鐵道部信息技術(shù)中心成立30周年暨鐵路運(yùn)輸管理信息系統(tǒng)（TMIS）工程全面竣工投產(chǎn)TMIS工程建設(shè)論文專輯（二）[C];2005年

4 王桂海;張素英;白海峰;;車號(hào)識(shí)別實(shí)時(shí)發(fā)卡程序的應(yīng)用與實(shí)現(xiàn)[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2010年會(huì)論文集[C];2010年

5 陳飛衛(wèi);王萌;;車號(hào)自動(dòng)識(shí)別及三級(jí)建庫(kù)系統(tǒng)應(yīng)用中若干問(wèn)題的探討[A];鐵道部信息技術(shù)中心成立30周年暨鐵路運(yùn)輸管理信息系統(tǒng)（TMIS）工程全面竣工投產(chǎn)TMIS工程建設(shè)論文專輯（二）[C];2005年

6 李旭;;貨車管理車號(hào)刷新系統(tǒng)[A];鐵道部信息技術(shù)中心成立30周年暨鐵路運(yùn)輸管理信息系統(tǒng)（TMIS）工程全面竣工投產(chǎn)TMIS工程建設(shè)論文專輯（二）[C];2005年

相關(guān)重要報(bào)紙文章 前9條

1 胡麗霞 崔得獎(jiǎng);嚴(yán)厲打擊盜用偽造軍用車號(hào)牌行為[N];天水日?qǐng)?bào);2008年

2 王斗斗;車號(hào)牌不是商品不能隨意買賣[N];法制日?qǐng)?bào);2007年

3 樵夫;拍賣特殊車號(hào)：公益掩蓋下的公權(quán)濫用[N];人民法院報(bào);2006年

4 劉慶傳;公權(quán)部門不能為民間迷信推波助瀾[N];新華日?qǐng)?bào);2007年

5 本報(bào)記者 姜暉;浙江拍賣“吉祥車號(hào)”遭質(zhì)疑[N];中國(guó)商報(bào);2005年

6 崔威;開(kāi)往春天的“雷鋒車號(hào)”[N];連云港日?qǐng)?bào);2009年

7 ;隨時(shí)隨地找到車廂[N];中國(guó)計(jì)算機(jī)報(bào);2005年

8 記者 李鳳虎邋實(shí)習(xí)生 張金磊;鄭州新車號(hào)牌 車主自編自選[N];河南日?qǐng)?bào);2008年

9 記者 陶達(dá)嬪 實(shí)習(xí)生 黃慶海;競(jìng)標(biāo)熱點(diǎn)：“888”“999”“666”[N];南方日?qǐng)?bào);2006年

相關(guān)碩士學(xué)位論文 前6條

1 王俊曉;基于LabVIEW的貨車車號(hào)識(shí)別技術(shù)研究[D];石家莊鐵道大學(xué);2015年

2 王欣蔚;基于深度學(xué)習(xí)的TEDS系統(tǒng)車號(hào)識(shí)別算法研究[D];北方工業(yè)大學(xué);2016年

3 楊吉;基于圖像處理的高速列車車號(hào)識(shí)別算法研究[D];西南交通大學(xué);2017年

4 黨華麗;列車車號(hào)自動(dòng)識(shí)別系統(tǒng)研究與設(shè)計(jì)[D];河北工業(yè)大學(xué);2007年

5 程璐;基于圖像處理的機(jī)車車號(hào)自動(dòng)識(shí)別系統(tǒng)[D];南京航空航天大學(xué);2013年

6 趙入賓;鐵路貨車車號(hào)識(shí)別的算法研究[D];河北工業(yè)大學(xué);2011年

，

本文編號(hào)：2067630