基于图像处理的轨道沿线雪情分析方法

发布时间：2024-03-31 23:25

　　在轨道交通场景中,冰雪灾害是导致交通事故的一个重要因素,降雪严重影响着列车运行安全,开展针对轨道沿线雪情实时监测的相关研究具有十分重要的意义。现有的雪情判断标准包括雪水当量、激光雪深测量等方式,这些传统方法均较难达到实时性监测,且装置测量误差较大,难以满足轨道沿线的监测需求。基于以上问题,论文提出基于图像处理的雪情监测方法作为解决方案,主要工作如下:从静态及动态角度对雪粒子特征进行分析,根据其高亮度、无明显纹理特征、分布不规律等成像特点,设计了适用于雪情分析的背景差分法。该方法中背景还原工作是核心所在,文章根据传统图像处理及深度学习技术,分别制定了基于改进引导滤波和基于融合卷积神经网络的背景还原方法并进行背景差分实验。最后将两种算法结果进行多层次对比,分析其优劣势及适用条件,并对算法的工程应用进行探讨。完成雪花分割后,论文对二值图像特征进行分析对比,最终确定雪花占屏面积作为全局雪情判断尺度,设计计算表达式并定义场景降雪强度指标,为轨道沿线降雪场景提供量化标准。最后,论文从系统架构角度对轨道沿线雪情监测系统进行设计,通过需求分析,从具体功能出发定义模块构成,为雪情监测系统建设提供参考。论...

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图２－１雪粒子的不同形态??Ｆｉｇｕｒｅ２－１?Ｓｎｏｗｆｌａｋｅｓ?ｗｉｔｈ?ｖａｒｉｏｕｓ?ｓｈａｐｅｓ??，

当水汽与核心相遇，会根据其棱角形态而迅速生长形成枝叉，随着雪花??体积的增长，枝叉部分会越来越突出，雪花的形状也越来越鲜明，这就形成了不??同形状的雪花［３６］。下图２－１展示了自然界中几种典型的雪粒子形态。??８??

图２－２降雪图像亮度分析??Ｆｉｇｕｒｅ２－２?Ｂｒｉｇｈｔｎｅｓｓ?ａｎａｌｙｓｉｓ?ｏｆ?ｓｎｏｗ?ｉｍａｇｅ??

图２－２降雪图像亮度分析??Ｆｉｇｕｒｅ２－２?Ｂｒｉｇｈｔｎｅｓｓ?ａｎａｌｙｓｉｓ?ｏｆ?ｓｎｏｗ?ｉｍａｇｅ??对轨道沿线降雪图像（图２－２）中的单个雪粒子进行亮度分析，随机框选三处??明显的雪粒子颗粒，按图像坐标轴顺序其位置分别为［３６?３５３］、［３４５?１７５］、［６....

图２－３雪花受力分析??Ｆｉｇｕｒｅ２－３?Ｆｏｒｃｅ?ａｎａｌｙｓｉｓ?ｏｆ?ｓｎｏｗｆｌａｋｅｓ??

雪花在空中的漂浮状态是毫无规律的，主要原因是雪花的运动受很多微观条??件的影响，雪花本身质量也极小，且形状不一，每片雪花的受力也都不相同，所??以雪花才出现了四散飞舞的状态。图２－３展示了雪花的受力情况：??ｂｕｏｙａｎｔ??＾ｃｅｎｔｒｉｆｕｇａｌ?＾ｒｅｓｉｓｉ＾ｃｅ??＼?....

图２－４雪粒子的均匀分布特性??－

ｐ（ｋ）?＝?ｅ－＂（ｎ）＊／／：！?（２－８）??式中，ｉｉ表示体积内的平均降雪量。图２－４为生活中的一张普通的降雪图像，??可以发现雪粒子均匀的分布在整个图像中。??图２－４雪粒子的均匀分布特性??Ｆｉｇｕｒｅ２－４?Ｕｎｉｆｏｒｍ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｓｎｏｗ?....

本文编号：3944654