【摘要】：隨著我國(guó)鐵路跨越式發(fā)展,對(duì)鐵路行車安全保障系統(tǒng)提出了新的挑戰(zhàn)。鐵路扣件是鐵路基礎(chǔ)設(shè)施中主要的零部件之一,扣件系統(tǒng)可以依靠自身的彈性變形儲(chǔ)存能量以緩解列車通過(guò)時(shí)對(duì)軌道的機(jī)械振動(dòng)和沖擊,由于其在長(zhǎng)期的服役過(guò)程中會(huì)承受多次往復(fù)性、周期性的彎曲及扭轉(zhuǎn)等交變應(yīng)力作用,因此容易出現(xiàn)斷裂、丟失等缺陷；另外,隨著客運(yùn)高速化和貨運(yùn)重載化程度不斷提高,使得扣件的疲勞斷裂或丟失問(wèn)題變得更為嚴(yán)重,故障率明顯增大。因此,扣件系統(tǒng)的狀態(tài)對(duì)于鐵路的運(yùn)營(yíng)安全有著至關(guān)重要的作用,鐵路扣件的缺陷檢測(cè)和工作狀態(tài)的監(jiān)控對(duì)于排除安全隱患,保障列車運(yùn)行安全具有重要的意義。為適應(yīng)鐵路發(fā)展的新需要,設(shè)計(jì)一種基于高度信息共享的、高可靠性的鐵路扣件自動(dòng)化巡檢系統(tǒng)已成為鐵路運(yùn)營(yíng)保障體系中的重點(diǎn)之一�；谟�(jì)算機(jī)視覺的扣件檢測(cè)是一個(gè)備受關(guān)注的前沿課題和新興的應(yīng)用方向,通過(guò)計(jì)算機(jī)和圖像處理技術(shù)對(duì)扣件圖像進(jìn)行分析和處理,實(shí)現(xiàn)鐵路扣件的自動(dòng)化檢測(cè)。受前期國(guó)內(nèi)外扣件圖像處理研究的啟發(fā),本論文主要針對(duì)鐵路扣件缺陷圖像檢測(cè)關(guān)鍵技術(shù)進(jìn)行研究,從扣件子圖像的精確定位、有效圖像特征的提取、扣件圖像分類識(shí)別算法等幾個(gè)方面進(jìn)行總體考慮,力求提出一種具有較強(qiáng)魯棒性的扣件分類檢測(cè)算法。本文的主要貢獻(xiàn)如下：首先,扣件在原始軌道圖像中目標(biāo)較小,在原始圖像中直接對(duì)扣件進(jìn)行檢測(cè),難以獲得理想的檢測(cè)效果,且計(jì)算耗時(shí)大。為避免軌道圖像中扣件區(qū)域以外的對(duì)象對(duì)扣件分類識(shí)別的影響,提出一種從粗到精的兩步扣件子圖像分割算法。首先,利用軌道圖像中鋼軌與道砟、軌枕與道砟之間區(qū)域的平均灰度值和顯著性差異,構(gòu)建一種基于兩類差異信息的符號(hào)比例函數(shù),分別獲取鋼軌和軌枕在圖像中的位置,并對(duì)扣件區(qū)域進(jìn)行交叉粗定位；然后,利用枕肩與圖像背景間灰度相對(duì)不變性對(duì)粗分割出來(lái)的扣件圖像進(jìn)行二值化,并利用二值圖中軌枕枕肩呈直線特征這一特點(diǎn),通過(guò)投影法確定枕肩的位置,最終根據(jù)枕肩與扣件間的位置關(guān)系精確地確定扣件位置。其次,提出一種可有效進(jìn)行扣件圖像特征描述的EAHOG-MSLBP融合特征。首先,本文設(shè)計(jì)了一種基于模板的扣件EA邊緣感知方法,并在感知邊緣的基礎(chǔ)上,提出了一種改進(jìn)的EA-HOG邊緣梯度特征描述算法,使得該特征能夠很好地逼近扣件形狀特征,并且對(duì)光照和顏色變化具有不敏感性；然后,針對(duì)傳統(tǒng)二元模式及其相關(guān)改進(jìn)算法僅能表達(dá)圖像的微觀紋理模式,而無(wú)法捕獲扣件區(qū)域與周圍背景區(qū)域塊間的結(jié)構(gòu)性差異的缺陷,模擬視覺注意機(jī)制設(shè)計(jì)了一種可捕獲扣件圖像宏觀紋理的MSLBP特征采樣模式,提取扣件圖像的宏觀紋理特征;最后,采用分層次加權(quán)融合的方法將EA-HOG邊緣梯度特征和MSLBP宏觀紋理特征聯(lián)立成EAHOG-MSLBP融合特征。最后,針對(duì)扣件圖像中扣件部分?jǐn)嗔训那闆r難以識(shí)別的難題,通過(guò)對(duì)原始扣件圖像進(jìn)行對(duì)稱性操作獲得兩個(gè)虛擬的對(duì)稱性樣本,并將對(duì)原始待測(cè)試圖像的直接檢測(cè)轉(zhuǎn)化為對(duì)兩個(gè)虛擬對(duì)稱性樣本的檢測(cè),該算法突破了傳統(tǒng)的基于計(jì)算機(jī)視覺的檢測(cè)方法對(duì)原始圖像進(jìn)行直接測(cè)試的局限性。在對(duì)兩個(gè)虛擬扣件樣本進(jìn)行分類識(shí)別時(shí),設(shè)計(jì)一種基于權(quán)重累積的稀疏表示分類識(shí)別算法。第一步,探索訓(xùn)練集中各類訓(xùn)練樣本在表示待測(cè)試樣本上的能力大小,并依此在每類訓(xùn)練樣本中選擇性地保留K個(gè)對(duì)待測(cè)試樣本具有較強(qiáng)表示能力的訓(xùn)練樣本；第二步,利用各類訓(xùn)練樣本中保留的K個(gè)樣本重新對(duì)待測(cè)試樣本進(jìn)行線性表示,然后分別將這些樣本各自所對(duì)應(yīng)的k個(gè)系數(shù)值進(jìn)行累加,得到各類訓(xùn)練樣本對(duì)待測(cè)試樣本的分類貢獻(xiàn)度,并將待測(cè)試樣本分類到貢獻(xiàn)度最大的訓(xùn)練樣本類中。最后,在文章結(jié)論部分對(duì)全文進(jìn)行了總結(jié),并針對(duì)扣件圖像自動(dòng)化檢測(cè)理論和工程應(yīng)用,指出有待進(jìn)一步研究的問(wèn)題。
[Abstract]:......
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉甲甲;李柏林;羅建橋;李立;;融合PHOG和MSLBP特征的鐵路扣件檢測(cè)算法[J];西南交通大學(xué)學(xué)報(bào);2015年02期

2 郭樹旭;張馳;曹軍勝;鐘菲;郜峰利;;基于壓縮感知?dú)w一化關(guān)聯(lián)成像實(shí)現(xiàn)目標(biāo)重構(gòu)[J];光學(xué)精密工程;2015年01期

3 張桂南;劉志剛;韓燁;楊紅梅;;接觸網(wǎng)棒式絕緣子故障檢測(cè)的快速模糊匹配方法[J];鐵道學(xué)報(bào);2013年05期

4 韓志偉;劉志剛;楊紅梅;韓燁;;基于二代曲波系數(shù)形態(tài)學(xué)條帶能量法的絕緣子故障檢測(cè)[J];鐵道學(xué)報(bào);2013年03期

5 劉毅;黃兵;孫懷江;夏德深;;利用視覺顯著性與圖割的圖像分割算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年03期

6 宋克臣;顏云輝;陳文輝;張旭;;局部二值模式方法研究與展望[J];自動(dòng)化學(xué)報(bào);2013年06期

7 許貴陽(yáng);史天運(yùn);任盛偉;韓強(qiáng);王登陽(yáng);;基于計(jì)算機(jī)視覺的車載軌道巡檢系統(tǒng)研制[J];中國(guó)鐵道科學(xué);2013年01期

8 王開云;王少林;楊久川;王慎;;地震環(huán)境下鐵路輪軌動(dòng)態(tài)安全性能及脫軌研究進(jìn)展[J];地震工程與工程振動(dòng);2012年06期

9 陳坤峰;劉志剛;韓志偉;何士玉;;基于曲波域移動(dòng)平行窗的受電弓滑板裂紋識(shí)別[J];鐵道學(xué)報(bào);2012年10期

10 任高峰;胡仲春;劉永成;趙利坤;張卅卅;;既有線橋涵施工安全監(jiān)測(cè)信息采集與處理系統(tǒng)設(shè)計(jì)[J];武漢理工大學(xué)學(xué)報(bào);2012年09期

，

本文編號(hào)：2429520