基于轨边图像SURF特征的动车底部部件异常检测算法

发布时间：2024-05-11 20:28

　　动车作为新兴的交通工具,其运行安全一直备受瞩目,目前主要的动车故障检测方法是依靠人工作业和计算机辅助人工作业,但由于动车底部结构较复杂,细小零件多,传统的列检方式受操作人员的技术水平和人体疲劳程度影响,检测过程难免出现纰漏,甚至影响动车安全运行。将计算机视觉技术应用在动车底部异常检测中,可以提高检测的效率和质量,对动车的安全运行具有重要意义。本论文旨在对动车采集轨边图像,运用畸变处理、图像配准、图像对比等技术,通过与历史标准图像比对实现动车底异常的自动检测,提高检测效率,确保检测质量。论文在目前已有的列车故障检测系统的基础上,提出了一种基于轨边图像SURF特征的动车底部部件异常检测算法。通过分析动车轨边图像的特点,对采集过程造成的图像畸变问题给出了车轮定位确定比例、分段缩放的解决方案。考虑到轨边图像受光照条件影响较大,采用了SURF特征进行配准,同时针对动车底中间部图像存在的特征信息贫乏的情况,改进SURF的配准过程,在匹配过程中加入了阈值调节模块,提高匹配精度的同时保证了匹配的成功率。通过分析故障信息和干扰信息的特性,设计了结合图像连通域信息、边缘信息和直方图相似度信息的故障判定算法...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 课题研究背景及意义
    1.2 列车故障诊断技术研究现状
    1.3 论文组织结构
2 故障检测中的图像处理技术介绍
    2.1 数字图像获取及表示
    2.2 待检测图像预处理
        2.2.1 图像对比度处理
        2.2.2 图像畸变处理
    2.3 待检测图像与标准图像配准
        2.3.1 基于灰度信息的配准
        2.3.2 基于图像特征的配准
        2.3.3 两种配准方式的对比
    2.4 突出特征的图像增强方法
        2.4.1 图像降噪处理
        2.4.2 图像的形态学处理
    2.5 差值图像分析
        2.5.1 连通域分析
        2.5.2 图像边缘提取
    2.6 小结
3 图像SURF特征提取
    3.1 图像特征提取概述
    3.2 图像SURF特征
    3.3 SURF特征提取步骤
        3.3.1 兴趣点检测及定位
        3.3.2 兴趣点描述
    3.4 改进的SURF特征匹配过程
    3.5 小结
4 动车底部异常检测算法
    4.1 图像采集过程及畸变问题解决方案
        4.1.1 轨边图像采集
        4.1.2 畸变问题解决方案
    4.2 图像错位问题解决方案
        4.2.1 图像错位问题
        4.2.2 图像配准方法
    4.3 故障判定中的干扰问题及解决方案
        4.3.1 图像比对
        4.3.2 故障判定
    4.4 小结
5 基于SURF特征的动车底部异常检测系统仿真
    5.1 畸变处理模块
    5.2 图像配准模块
    5.3 比对分析模块
    5.4 故障判定模块
    5.5 小结
6 结论
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3970347