隨著我國鐵路運(yùn)營里程的不斷增加,鐵路運(yùn)行環(huán)境也日趨復(fù)雜。鐵路運(yùn)行環(huán)境檢測(cè)作為排除潛在安全威脅的有效措施,受到越來越廣泛的關(guān)注。鐵路運(yùn)行環(huán)境檢測(cè)主要包含鋼軌部件檢測(cè)和鐵路前向運(yùn)動(dòng)環(huán)境檢測(cè)兩部分。本文以鐵路運(yùn)行環(huán)境為主要研究對(duì)象,考慮圖像模糊、光照不均和自相似物體對(duì)鐵路運(yùn)行環(huán)境檢測(cè)的影響,應(yīng)用圖像復(fù)原、圖像增強(qiáng)以及圖像配準(zhǔn)三種方法解決上述鐵路運(yùn)行環(huán)境檢測(cè)過程中的實(shí)際問題。本文提出的圖像復(fù)原方法和圖像增強(qiáng)方法分別克服了圖像模糊、光照不均對(duì)圖像的影響,為鋼軌部件檢測(cè)提供了清晰的可檢測(cè)的鋼軌和扣件圖像;圖像配準(zhǔn)方法克服了自相似物體對(duì)配準(zhǔn)的干擾,使后續(xù)基于模板比較的鐵路前向運(yùn)動(dòng)環(huán)境檢測(cè)成為可能。本論文的創(chuàng)新之處在于:一、考慮圖像模糊和噪聲對(duì)鋼軌擦傷檢測(cè)的影響,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法,克服了傳統(tǒng)正則化方法對(duì)圖像中不同區(qū)域不加區(qū)分采用單一范數(shù)約束進(jìn)行復(fù)原的局限性。該方法將圖像復(fù)原中的范數(shù)選擇問題看作一個(gè)分類問題,利用卷積神經(jīng)網(wǎng)絡(luò)指導(dǎo)不同圖像子塊選取更合適的范數(shù)形式進(jìn)行正則化約束,使正則化方法不再局限于單一的范數(shù)約束形式,獲得了更優(yōu)的復(fù)原效果,為后續(xù)鋼軌擦傷檢測(cè)提供了更為清晰的輸入圖像。... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：129 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．２列車前面陣攝像機(jī)釆集的前向運(yùn)動(dòng)圖像??Ｆｉｇ．ｌ．２Ｔｈｅ?ｆｏｒｗａｒｄ?ｍｏｔｉｏｎ?ｉｍａｇｅ?ｕｓｉｎｇｔｒａｉｎ－ｂｏｍｅ?ｃａｍｅｒａ??

設(shè)備進(jìn)行鐵路環(huán)境檢測(cè)的技術(shù)逐步發(fā)展起來。其中，在巡檢列車前端安裝一個(gè)面??陣攝像機(jī)來捕獲整個(gè)鐵路沿線環(huán)境的信息，這樣獲得的圖像被稱為前向運(yùn)動(dòng)圖像，??面陣相機(jī)和前向運(yùn)動(dòng)圖像如圖１．２所示；在巡檢列車底部安裝一個(gè)線掃描相機(jī)來捕??獲整個(gè)鋼軌及扣件的信息，被稱為鋼軌部件圖像，線掃描相機(jī)和鋼軌部件圖像如??圖１．３所示。??圖１．２列車前面陣攝像機(jī)釆集的前向運(yùn)動(dòng)圖像??Ｆｉｇ．ｌ．２Ｔｈｅ?ｆｏｒｗａｒｄ?ｍｏｔｉｏｎ?ｉｍａｇｅ?ｕｓｉｎｇｔｒａｉｎ－ｂｏｍｅ?ｃａｍｅｒａ??３??

Ｆｉｇ．?１．４Ｔｈｅ?Ｆｕｎｃｔｉｏｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?“Ａｒｃｈｉｍｅｄｅｓ”?ｃｏｍｐｒｅｈｅｎｓｉｖｅ?ｄｅｔｅｃｔｉｏｎ?ｔｒａｉｎ??法國：２００２年法國鐵路組織開發(fā)了?ＩＲＩＳ?３２０綜合檢測(cè)列車，并與四年后的四??月開始試運(yùn)行，設(shè)計(jì)最高時(shí)速３２０ｋｍ＼ｈ，如圖１．５所示。檢測(cè)系統(tǒng)具有軌道幾何狀??態(tài)檢測(cè)、鋼軌表面擦傷檢測(cè)和接觸網(wǎng)檢測(cè)分析功能。??１￥車?２號(hào)車?３號(hào)車?４號(hào)車?５號(hào)車?６號(hào)車?７號(hào)車?８號(hào)車?９號(hào)車?１０號(hào)軍、??（Ｍｄ?Ｔ１?Ｔ２?Ｔ３?Ｔ４?Ｔ５?Ｔ６?Ｔ１?Ｔ８?Ｍｃ２?＼??Ｔｉ?？？?００?０〇?００?ＣｉＯ?００?００?００?０Ｄ?００?０〇?〇０?００?００?００?００?００?？？?ｆＦ??圖１．５法國ＩＲＩＳ?３２０綜合檢測(cè)列車設(shè)備功能布置圖??Ｆｉｇ．ｌ．５Ｔｈｅ?Ｆｕｎｃｔｉｏｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｐ?ｏｆ?ＩＲＩＳ?３２０??英國：２００２開始進(jìn)行綜合檢測(cè)列車ＮＭＴ的研制，歷經(jīng)４年多改造，于２００６??年投入運(yùn)營檢測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識(shí)別研究[J]. 趙志宏,楊紹普,馬增強(qiáng).  系統(tǒng)仿真學(xué)報(bào). 2010(03)
[2]Multi-sensor image registration using multi-resolution shape analysis[J]. YUAN Zhen-ming1,2, WU Fei1, ZHUANG Yue-ting1 (1School of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China) (2School of Information Engineering, Hangzhou Teacher’s College, Hangzhou 310036, China).  Journal of Zhejiang University Science A（Science in Engineering）. 2006(04)



本文編號(hào)：3610493