钢轨断面全轮廓磨耗的激光视觉动态测量

钢轨磨耗直接影响铁路运行安全，为了替代目前手工测量方式，提高测量精度和效率，研究并设计了线激光钢轨断面全轮廓视觉测量系统来实现钢轨磨耗动态测量. 首先通过计算激光视觉测量模型完成激光测量单元的结构设计，然后采用平面标定法对测量头进行精确标定，获取激光平面与传感器成像平面之间的映射关系，将拍摄的钢轨轮廓光条图像还原为实际钢轨断面轮廓；利用钢轨同一截面两侧轮廓中轨头踏面轮廓相同的特征获取钢轨断面全轮廓数据，采用ICP精确配准将钢轨两侧测量轮廓合并，其中轨头踏面轮廓采用欧式聚类和距离分割方法提取；最后以双侧未磨损轨腰轮廓及其特征点为基准，将测量钢轨全轮廓与标准钢轨轮廓进行配准对比，获取钢轨磨耗值；将线激光钢轨磨耗测量单元装载于自行研制的轨道测量小车上进行现场测量试验. 研究结果表明:该测量系统标定精度可达4.922 × 10?3 mm，测量速度可达21.6 km/h，与钢轨磨耗尺测量值对比垂直磨耗、侧边磨耗平均偏差约为0.023 mm和0.093 mm，对同一对象多次重复测量最大偏差小于0.05 mm，该测量精度满足公务要求，提高了测量效率，便于铁路测量数字化管理.      

基于激光摄影测量方法的地铁限界检测系统研究*

限界检测系统主要采用激光摄影测量方法快速实现地铁限界非接触式检测,检测系统采用激光摄像式传感器实时采集隧道断面图像,通过对激光摄像式传感器非线性模型进行标定从而建立空间物体与摄像机图像像素之间映射关系,实现隧道断面上待测目标点的距离测量。针对系统中激光光条图像的处理,先后采用图像预处理算法提高图像处理效率,Sobel算子提取激光光条边缘,利用 Sobel算子提供的光条梯度信息经脊线跟踪法实现光条中心亚像素提取,提高检测系统精度。利用研制出的地铁限界检测系统进行现场试验和精度验证。试验表明,地铁限界检测系统能够满足地铁限界高精度检测需求,能够为地铁安全运行发挥重要作用。     

基于改进LSD直线检测算法的钢轨表面边界提取

针对传统LSD直线检测算法容易丢失图像细节,造成提取直线不连续等不足,提出一种基于双边滤波改进Canny提取边缘图像的LSD直线检测算法。利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护作用,采用双边滤波代替Canny边缘检测中的高斯滤波进行边缘图像提取。同时,将基于双边滤波改进Canny提取边缘图像的LSD直线检测算法应用到钢轨表面边界提取中。实验结果表明,改进LSD直线检测算法对钢轨表面边界直线提取效果较佳,相关评价指标得到较大提升,正常钢轨图像和锈迹钢轨图像的峰值信噪比分别提升6.49%和13.58%,为后续钢轨表面缺陷识别奠定了基础,具有一定的实用价值。     

基于霍夫变换的全景图中建筑物识别方法

提出了一种能够自动识别全景图中建筑物轮廓的方法.首先利用Canny算子获得边缘图像,使用霍夫变换算法提取出边缘图像中的直线.然后检测各条直线之间的位置关系,由于全景图尺寸较大,采用了局部化原理来进行检测.再根据直线之间的位置关系生成直线关系图.最后遍历直线关系图得到封闭几何图形,从而识别出大规模全景图中的建筑物轮廓,为进一步的全景图中建筑物三维建模提供素材.算法分析和实验结果表明,该方法对于几何形状规则的建筑物能够较好的识别.     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

基于改进主动轮廓模型的钢轨表面缺陷分割

针对钢轨表面图像灰度分布不均匀、目标缺陷轮廓边缘模糊的问题,提出了以C-V模型和LBF模型为基础的主动轮廓模型分割算法.首先,结合C-V模型和LBF模型建立最小化能量泛函模型,并对模型进行凸优化处理;然后,通过对局部子块进行卷积得到演化曲线内外局部灰度均值;最后,采用Split Bregman迭代算法进行模型求解,解决了C-V模型和LBF模型收敛速度慢、对初始轮廓位置敏感和容易陷入局部最小等问题.使用该模型对含有掉块、钢轨接缝或裂纹缺陷三类常见的钢轨表面图像进行分割,仿真实验结果表明,该模型在初始轮廓位置的选择及分割性能上明显优于单一的C-V模型和LBF模型.     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.     

基于人头颜色空间和轮廓信息的行人检测方法研究

为提高智能视频监控中行人统计的实时性,提出了一种基于人头颜色空间和轮廓特征的行人检测方法.该方法首先根据人脸肤色、发色在YCbCr和RGB颜色空间的聚类情况,建立人头颜色模型,分割人头候选区域,并针对行人运动的特征,采用多帧差法提取运动信息,剔除背景噪声,修正候选区域的精度;然后根据改进的Canny 算子提取候选区域的轮廓,融合形态学对边缘进行修正,提取候选区域轮廓信息;最后根据人头轮廓的几何特征,剔除“伪候选”区域,并进行连通域信息标记,检测人头图像,从而对行人进行检测和统计信息.结果表明,该方法能快速有效地检测出人头,在动态场景下的行人检测取得了较好的效果.     

改进的遗传算法在Canny算子阈值选取中的应用

Canny算子因其信噪比高、定位准确以及单边响应的优势,常常用于图像的边缘检测,而双阈值检测中阈值的选取会影响图像边缘提取的效果,为了获得边缘检测的最佳阈值,引入了一种改进的遗传算法.该方法从遗传算子和操作策略两个方面对基本遗传算法作出改进,重点设计了种群进化的适应度函数,使用该方法确定图像边缘连接的最佳阈值,以获得图像的边缘检测效果图.仿真结果表明:采用改进的遗传算法确定的阈值所得到的图像,边缘细节丰富,定位准确.     

路基表面沉降视觉检测系统光斑中心定位方法研究

激光光斑中心精确定位是铁路路基表面沉降视觉测量系统的关键技术,关系沉降测量的精度.分析了铁路路基表面沉降视觉测量的基本原理,结合激光光斑图像的特点,在以光斑轮廓邻域的灰度分布进行曲面建模的基础上提出基于曲面拟合的光斑亚像素中心定位方法,并通过实验验证了该方法光斑中心定位精度优于常用的基于重心灰度分布曲线拟合法,定位精度高且鲁棒性好,达到了铁路路基沉降观测精度的要求.     

焊接激光致熔池亚像素边缘提取方法研究

由于热变形等因素的影响,薄板激光焊接中焊缝会偏离预设轨迹,造成焊接激光束与焊缝偏离,使焊接质量下降.因此,焊接过程中要检测激光致熔池中心与焊缝偏差,并根据偏差量调整焊接位置.熔池中心由熔池边缘拟合求得,为精确获取熔池中心需要计算熔池的亚像素边缘.熔池亚像素边缘由以下步骤得到:(1)根据黑白CCD相机拍摄的图像中熔池灰度值大的特点,可初步确定熔池的中心;(2)以初步确定熔池中心为起点,在利用形态学方法得到熔池图像中搜索得到熔池像素级边缘;(3)在熔池图像中,提取以像素级边缘点为中心的一定区域像素灰度值,根据灰度值变化拟合曲线得到亚像素边缘.试验表明,所提出的方法能精确提取熔池亚像素边缘.     

基于主动学习AdaBoost算法与颜色特征的车牌定位

人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3％、97.1％,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.     

分形维-最大熵阈值的弱边缘工业CT图像分割算法

含有弱边缘的工业CT图像在分割时易产生过分割现象,对此提出了一种分形维定位和最大熵阈值分割的图像分割算法.首先,采用中值滤波和高斯平滑对图像进行预处理;其次,对预处理后的图像进行分块,并求取每个分块的分形维;再次,根据背景和缺陷处分形维的差异对缺陷进行粗定位,并根据连通域分析精确定位缺陷区域;最后,利用最大熵阈值法对精确定位后的局部区域进行分割.仿真实验表明:所提算法具有良好的分割能力,可以准确地分割出含有弱边缘的缺陷目标,并有效排除轮廓背景对分割的干扰,避免了过分割.     

焊接激光束致熔池中心计算方法研究

根据激光焊接过程中焊缝位置形成熔池温度高、辐射光线强的特点,利用带通滤光片滤除熔池辐射光线及飞溅物辐射光线后拍摄的焊缝图像,对焊接过程中激光致熔池的提取方法进行了研究.首先根据熔池图像的灰度值初步确定熔池中心,由该中心向设定方向搜索得到熔池的像素级边缘;然后由像素级边缘点附近一定区域内的像素灰度求亚像素边缘点的位置;最后将亚像素边缘点拟合为圆,拟合圆的圆心即为熔池中心.试验表明,所提出的方法能利用拍摄的熔池图像识别熔池中心.     

基于图像的铁路货车车号定位与识别

针对铁路货车车号特征,提出一种基于图像处理的车号定位与识别方法.该方法首先对车号区域图像进行预处理并粗定位出车号区域,然后采用改进的Soble算子边缘检测技术与投影法和铁路货车车号先验知识相结合对车号区域进行精确定位,最后通过对字符进行分割和归一化处理,在粗网格特征提取字符特征的基础上采用模板匹配法快速实现了车号识别.实验结果表明,该方法对铁路货车各种车型车号区域定位和识别具有较高的准确率.     

基于小波分析的地铁视频火灾边缘检测方法

地铁由于其特定的运行环境,发生火灾事故时,伤亡大、损失严重。通过数字图像技术处理视频图像,判定是否发生火灾早期火灾预警的重要手段。准确、高效地识别火灾的轮廓是其中的一个重点。本文针对视频火灾检测,本方法首先采用加权均值滤波方法去除图像中的噪声,再利用方向可调的小波变换方法,对火灾图像进行边缘检测,成功提取出火焰轮廓,以实现火灾的识别和报警。通过对火焰图像采取标准小波方法和该方法进行边缘检测,结果表明本文提出的方法可以提取火焰轮廓更多的细节信息,并且很好的避免了图像边缘模糊化现象。     

基于分数阶微分的医学图像边缘检测方法

医学图像边缘检测是医学图像处理和分析的关键步骤,它的清晰程度直接影响到医生诊断的速度以及准确性.传统边缘检测算子对噪声敏感,检测到的图像边缘效果不够理想,得到的图片边缘有可能模糊不清,为了克服传统边缘检测算子对噪声敏感的缺点,给出了一种改进的基于分数阶微分算法的医学图像边缘检测方法,实验结果表明:该方法不仅有效的提取了图像边缘特征,而且对噪声具有较好的抑制作用.是一种有效的医学图像边缘检测方法.     

基于分数阶微分的医学图像边缘检测方法

医学图像边缘检测是医学图像处理和分析的关键步骤,它的清晰程度直接影响到医生诊断的速度以及准确性.传统边缘检测算子对噪声敏感,检测到的图像边缘效果不够理想,得到的图片边缘有可能模糊不清,为了克服传统边缘检测算子对噪声敏感的缺点,给出了一种改进的基于分数阶微分算法的医学图像边缘检测方法,实验结果表明:该方法不仅有效的提取了图像边缘特征,而且对噪声具有较好的抑制作用.是一种有效的医学图像边缘检测方法.     

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低.提出了一种SEC (SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择.实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率.