融合结构信息的铁路扣件分类算法研究

发布时间：2021-01-03 18:28

　　铁路扣件作为连接钢轨和轨枕的部件,是铁路运输安全的重要保障。通过计算机视觉技术检测扣件状态,具有十分重要的工程价值。扣件检测任务属于图像分类问题,目前常用的扣件检测算法流程为:由轨检车获取扣件图像后,根据图像的底层特征,将扣件分类为正常类别和失效类别。由于扣件姿态不一、道砟遮挡、光照变化、失效形式多样等因素,底层特征无法稳定的描述图像内容,导致分类结果与扣件图像的真实语义不同。图像底层特征与图像真实内容之间的语义鸿沟限制了扣件检测算法的准确性,本文提出了一种能表达扣件结构信息的特征语义学习方法。主要研究工作如下:（1）结合噪声估计的纹理特征提取算法（AT_NRLBP）。针对传统LBP算法对图像噪声敏感、NRLBP算法的固定阈值无法修正部分噪声编码的问题,结合噪声估计算法,提出了一种自适应阈值的NRLBP算法AT_NRLBP。本文分析了图像噪声强度与NRLBP编码阈值的相关性,AT_NRLBP算法将图像均匀分块后,对图像子块进行噪声估计,根据图像子块的噪声强度确定NRLBP的阈值,实现编码阈值的自适应选取。理论分析表明,本文算法... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

铁路轨道图像

不同类别的扣件

轨检车视觉系统示意图

【参考文献】：
期刊论文
[1]基于近义词自适应软分配和卡方模型的图像目标分类方法[J]. 赵永威,周苑,李弼程,柯圣财.  电子学报. 2016(09)
[2]基于潜在语义主题融合的铁路扣件状态检测[J]. 狄仕磊,刘甲甲,罗建桥,李柏林.  传感器与微系统. 2016(07)
[3]融合纹理结构的潜在狄利克雷分布铁路扣件检测模型[J]. 罗建桥,刘甲甲,李柏林,狄仕磊.  计算机应用. 2016(02)
[4]基于灰度不变性的扣件定位特征提取方法[J]. 侯云,李柏林,刘甲甲,陈小艳,罗建桥.  计算机应用与软件. 2015(11)
[5]基于局部特征和语义信息的扣件图像检测[J]. 罗建桥,刘甲甲,李柏林,熊鹰.  计算机应用研究. 2016(08)
[6]融合PHOG和MSLBP特征的铁路扣件检测算法[J]. 刘甲甲,李柏林,罗建桥,李立.  西南交通大学学报. 2015(02)
[7]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛.  计算机学报. 2014(06)
[8]基于HOG特征的铁路扣件状态检测[J]. 李永波,李柏林,熊鹰.  传感器与微系统. 2013(10)
[9]基于计算机视觉的钢轨扣件螺母缺失检测系统[J]. 王凌,张冰,陈锡爱.  计算机工程与设计. 2011(12)
[10]建模连续视觉特征的图像语义标注方法[J]. 李志欣,施智平,刘曦,史忠植.  计算机辅助设计与图形学学报. 2010(08)

博士论文
[1]面向局部特征和特征表达的图像分类算法研究[D]. 张旭.合肥工业大学 2016

硕士论文
[1]基于视觉词包模型的扣件检测算法研究[D]. 李爽.西南交通大学 2018
[2]融合结构信息的LDA扣件状态识别研究[D]. 陈小艳.西南交通大学 2015
[3]巡道车视频处理系统关键技术的研究[D]. 张洋.北京交通大学 2008



本文编号：2955280