基于图像处理的轨道扣件缺陷识别研究
发布时间：2021-02-14 02:05
由于近年来铁路运营不断向高速和重载的方向发展,对于铁路线路的维护与安全检测提出了更高的要求。铁路轨道扣件是铁路基础设施中主要的零部件之一,损坏或丢失的扣件会导致列车脱轨等重大事故。作为铁路监测系统中必不可少的项目,扣件的缺陷检测十分重要。为了改变我国现阶段仍使用人工沿铁路目测的检测现状,研发一种非接触式自动检测扣件的方法显得尤为重要。针对现有轨道扣件检测算法的不足,本文结合图像处理的优势,对轨道扣件进行缺陷检测,论文的主要研究内容如下:首先,采集轨道扣件图像并对其进行滤波去噪处理。根据实验要求,选取符合本文研究需求的光源、相机以及镜头,采集扣件图像。使用模板为3?3的中值滤波对采集到的轨道扣件图像进行滤波去噪处理。仿真实验表明,该滤波方法滤波效果良好,并能很好地保护扣件图像的缺陷处细节。其次,边缘检测与定位。针对传统Canny算子存在的不足,本文提出一种改进的Canny算子。在计算梯度时,增添计算45?方向与135?方向的梯度幅值,有效避免漏检部分像素点,同时,将二维Otsu阈值法引入到算子中,使算法能够根据扣件自身独有特点来自适应地选取最佳阈值,有效避免出现间断边缘以及伪边缘,从而达...
【文章来源】：兰州交通大学甘肃省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.2.1 相关设备及其研究现状
1.2.2 相关技术及其研究现状
1.3 论文主要研究内容
2 扣件图像采集与预处理
2.1 扣件图像的采集
2.1.1 光源选择
2.1.2 图像采集
2.2 图形去噪
2.2.1 滤波介绍
2.2.2 均值滤波
2.2.3 高斯滤波
2.2.4 中值滤波
2.3 仿真实验结果与分析
2.3.1 仿真实验定性分析
2.3.2 仿真实验定量分析
2.4 小结
3 扣件边缘检测及定位
3.1 改进Canny算子检测边缘
3.1.1 传统Canny算子
3.1.2 梯度计算
3.1.3 二维Otsu算法
3.2 基于Hough变换的直线定位方法
3.3 仿真实验结果与分析
3.4 小结
4 融合PHOG和 MBLBP特征的轨道扣件检测算法
4.1 PHOG特征
4.1.1 梯度方向直方图
4.1.2 金字塔梯度方向直方图
4.2 MBLBP特征
4.2.1 经典局部二值模式
4.2.2 多级区域局部二值模式
4.3 融合PHOG特征和MBLBP特征
4.4 支持向量机训练分类
4.5 仿真实验结果与分析
4.6 小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于改进Canny算法的道路标线自动识别及定位[J]. 罗文婷,李中轶,李林,甘宏,郭建钢. 西南交通大学学报. 2018(06)
[2]铁路扣件缺陷自动检测研究进展[J]. 代先星,阳恩慧,WANG Kelvin Chenping,邱延峻,LI Joshua Qiang. 铁道科学与工程学报. 2017(11)
[3]《中长期铁路网规划》公布:高铁“八纵八横”确定[J]. 企业研究. 2016(10)
[4]基于计算机视觉的轨道扣件缺陷自动检测算法研究[J]. 刘甲甲,熊鹰,李柏林,李立. 铁道学报. 2016(08)
[5]基于机器视觉的车载式铁路轨道智能巡检系统研究[J]. 王留军,张鹰. 成都信息工程大学学报. 2016(02)
[6]用于计算成像系统的基于信噪比自适应估计的图像去模糊研究[J]. 卢惠民,徐明,李迅. 光学学报. 2014(08)
[7]LED灯的结构特点及应用[J]. 杨光. 灯与照明. 2012(03)
[8]浅谈高铁对民航发展的影响与对策[J]. 宋耀玲. 中小企业管理与科技(上旬刊). 2012(07)
[9]GJ-6型轨道检测系统[J]. 魏世斌,刘伶萍,赵延峰,李颖,王昊. 铁道建筑. 2011(11)
[10]キャ141系综合检测车[J]. 松冈成康,林航空. 国外内燃机车. 2007(06)
博士论文
[1]耦合的支持向量学习方法及应用研究[D]. 史荧中.江南大学 2016
[2]唇读发声器中视觉信息的检测与处理[D]. 王蒙军.天津大学 2007
[3]支持向量机的理论与算法研究[D]. 王国胜.北京邮电大学 2008
[4]基于统计学习理论的支持向量机算法研究[D]. 唐发明.华中科技大学 2005
硕士论文
[1]基于图像处理的铁路扣件异常自动检测系统的研究[D]. 殷凯.南京邮电大学 2018
[2]复杂环境下轨面缺陷与扣件缺失的图像检测方法研究[D]. 肖本郁.兰州交通大学 2018
[3]轨检图像中钢轨表面缺陷分析与识别[D]. 程天栋.兰州交通大学 2017
[4]基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学 2017
[5]基于机器视觉的铁路扣件缺陷检测方法研究[D]. 王珍珍.兰州交通大学 2016
[6]高质量图像获取与处理技术研究[D]. 张栩铫.中国科学院研究生院(光电技术研究所) 2016
[7]基于高斯滤波技术的表面粗糙度的提取[D]. 梅倩倩.河南科技大学 2015
[8]基于灰度不变性的扣件缺陷检测算法研究[D]. 侯云.西南交通大学 2015
[9]人脸识别系统相关问题的研究[D]. 秦磊.江南大学 2014
[10]基于计算机视觉的铁路扣件检测算法研究[D]. 杭元元.西南交通大学 2014
本文编号：3032943
【文章来源】：兰州交通大学甘肃省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.2.1 相关设备及其研究现状
1.2.2 相关技术及其研究现状
1.3 论文主要研究内容
2 扣件图像采集与预处理
2.1 扣件图像的采集
2.1.1 光源选择
2.1.2 图像采集
2.2 图形去噪
2.2.1 滤波介绍
2.2.2 均值滤波
2.2.3 高斯滤波
2.2.4 中值滤波
2.3 仿真实验结果与分析
2.3.1 仿真实验定性分析
2.3.2 仿真实验定量分析
2.4 小结
3 扣件边缘检测及定位
3.1 改进Canny算子检测边缘
3.1.1 传统Canny算子
3.1.2 梯度计算
3.1.3 二维Otsu算法
3.2 基于Hough变换的直线定位方法
3.3 仿真实验结果与分析
3.4 小结
4 融合PHOG和 MBLBP特征的轨道扣件检测算法
4.1 PHOG特征
4.1.1 梯度方向直方图
4.1.2 金字塔梯度方向直方图
4.2 MBLBP特征
4.2.1 经典局部二值模式
4.2.2 多级区域局部二值模式
4.3 融合PHOG特征和MBLBP特征
4.4 支持向量机训练分类
4.5 仿真实验结果与分析
4.6 小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于改进Canny算法的道路标线自动识别及定位[J]. 罗文婷,李中轶,李林,甘宏,郭建钢. 西南交通大学学报. 2018(06)
[2]铁路扣件缺陷自动检测研究进展[J]. 代先星,阳恩慧,WANG Kelvin Chenping,邱延峻,LI Joshua Qiang. 铁道科学与工程学报. 2017(11)
[3]《中长期铁路网规划》公布:高铁“八纵八横”确定[J]. 企业研究. 2016(10)
[4]基于计算机视觉的轨道扣件缺陷自动检测算法研究[J]. 刘甲甲,熊鹰,李柏林,李立. 铁道学报. 2016(08)
[5]基于机器视觉的车载式铁路轨道智能巡检系统研究[J]. 王留军,张鹰. 成都信息工程大学学报. 2016(02)
[6]用于计算成像系统的基于信噪比自适应估计的图像去模糊研究[J]. 卢惠民,徐明,李迅. 光学学报. 2014(08)
[7]LED灯的结构特点及应用[J]. 杨光. 灯与照明. 2012(03)
[8]浅谈高铁对民航发展的影响与对策[J]. 宋耀玲. 中小企业管理与科技(上旬刊). 2012(07)
[9]GJ-6型轨道检测系统[J]. 魏世斌,刘伶萍,赵延峰,李颖,王昊. 铁道建筑. 2011(11)
[10]キャ141系综合检测车[J]. 松冈成康,林航空. 国外内燃机车. 2007(06)
博士论文
[1]耦合的支持向量学习方法及应用研究[D]. 史荧中.江南大学 2016
[2]唇读发声器中视觉信息的检测与处理[D]. 王蒙军.天津大学 2007
[3]支持向量机的理论与算法研究[D]. 王国胜.北京邮电大学 2008
[4]基于统计学习理论的支持向量机算法研究[D]. 唐发明.华中科技大学 2005
硕士论文
[1]基于图像处理的铁路扣件异常自动检测系统的研究[D]. 殷凯.南京邮电大学 2018
[2]复杂环境下轨面缺陷与扣件缺失的图像检测方法研究[D]. 肖本郁.兰州交通大学 2018
[3]轨检图像中钢轨表面缺陷分析与识别[D]. 程天栋.兰州交通大学 2017
[4]基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学 2017
[5]基于机器视觉的铁路扣件缺陷检测方法研究[D]. 王珍珍.兰州交通大学 2016
[6]高质量图像获取与处理技术研究[D]. 张栩铫.中国科学院研究生院(光电技术研究所) 2016
[7]基于高斯滤波技术的表面粗糙度的提取[D]. 梅倩倩.河南科技大学 2015
[8]基于灰度不变性的扣件缺陷检测算法研究[D]. 侯云.西南交通大学 2015
[9]人脸识别系统相关问题的研究[D]. 秦磊.江南大学 2014
[10]基于计算机视觉的铁路扣件检测算法研究[D]. 杭元元.西南交通大学 2014
本文编号：3032943
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3032943.html
