基于图像处理的铁路扣件状态识别算法的研究与应用

发布时间：2024-03-20 21:04

　　随着我国铁路交通运输行业的高速发展,铁路里程逐年增长,铁路线路巡检的压力越来越大,设计能够自动化巡检线路状况的系统已成为铁路工务部门的迫切需求。轨道扣件系统是铁路轨道表面基础设施的重要组成部分之一,是整个轨道系统不可或缺的一部分,起到将钢轨固定在轨枕上或者混凝基座上的作用,保证列车行车安全。因此,研究基于图像处理的轨道扣件状态识别算法具有十分重要的理论和实际意义。首先,为了扣件状态识别的正常进行,根据实际的轨道图像特点,构建了一种基于形态学处理的扣件定位方法,利用轨枕、钢轨和枕肩的边缘特征快速得到定位坐标,根据坐标信息从原始图像中定位扣件子图像。针对定位有偏差的扣件子图像,充分挖掘扣件区域与非扣件区域的特征信息,构建了一种基于超像素处理的自动调整扣件子图像定位坐标的算法,使用超像素处理方法将扣件子图像分割成若干个超像素区域,然后利用超像素的五个特征将超像素区域聚集成多个较大的聚类区域,接着根据扣件区域的颜色特征合并聚类区域,从扣件子图像中分割出扣件区域,最后根据子图像中扣件区域的坐标位置调整原始扣件子图像的定位坐标,该方法提高了扣件子图像的定位精准度。其次,为了获取扣件图像的局部特征,...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
2 扣件图像的定位与自适应分割
    2.1 基于形态学处理的扣件图像定位
        2.1.1 边缘检测
        2.1.2 形态学处理
        2.1.3 投影定位扣件位置
    2.2 扣件图像自适应调整
        2.2.1 扣件区域正确定位的判别
        2.2.2 超像素分割
        2.2.3 聚类超像素区域
        2.2.4 区域合并
        2.2.5 扣件图像定位坐标的调整
    2.3 本章小节
3 扣件图像特征提取
    3.1 局部特征
        3.1.1 局部二值模式
        3.1.2 LBP旋转不变模式
        3.1.3 LBP均匀模式
        3.1.4 提取扣件图像局部特征
    3.2 全局特征
        3.2.1 HOG特征
        3.2.2 提取扣件图像全局特征
    3.3 本章小节
4 扣件图像分类识别与应用
    4.1 扣件训练样本库构建
        4.1.1 拼接与镜像
        4.1.2 对比度变换
    4.2 HOG-SVM分类模型构建
        4.2.1 支持向量机
        4.2.2 HOG-SVM分类模型
        4.2.3 实验结果及分析
    4.3 LBP-BP分类模型构建
        4.3.1 BP神经网络
        4.3.2 LBP-BP分类模型
        4.3.3 实验结果及分析
    4.4 混合分类模型构建
        4.4.1 混合分类模型
        4.4.2 实验结果及分析
    4.5 本章小节
结论
致谢
参考文献
攻读学位期间的研究成果



本文编号：3933301