利用线性预测去除图像椒盐噪声

针对去除灰度图像的椒盐噪声问题,提出一种利用线性预测去除椒盐噪声的算法。算法的优点是利用已知信息预测出未知信息。本文提出的算法根据椒盐噪声的特点,判断图像像素是信号像素还是可能的噪声像素,把图像信号像素作为已知信息,把噪声像素作为未知信息,采用三阶线性预测器,利用信号像素预测出噪声像素。该算法对于可能的噪声像素,采取预测算法进行预测,预测值作为噪声像素处理后的灰度值;而对于信号像素则不做任何处理,因而很好地保留了图像细节。实验结果表明,该算法的运算量小,去噪能力强,尤其在处理噪声高度污染图像时,去噪能力表现更为突出。     

基于灰度对比图与最大熵的钢轨图像分割

针对CCD相机采集的钢轨表面图像灰度不均、过度曝光、噪声过大等导致的一维最大熵法无法准确分割缺陷的问题,提出一种将灰度对比图和形态学重构相结合,再用最大熵法进行分割的图像分割算法。首先求得钢轨图像的灰度对比图,接着将灰度对比图经过形态学开-闭重构获得钢轨背景图像,然后将背景图像与灰度对比图相减,得到包含缺陷的差分图,最后将差分图用最大熵法进行分割。实验表明,提出的灰度対比图法能够很好地缓解光照不均,过度曝光对检测带来的影响,形态学开-闭重构不仅能够获得所需的背景模型还能抑制一定的噪声,该算法简单、有效、鲁棒性较高,分割精度可以达到90%。     

改进Canny算子的列车轮对踏面边缘检测算法

现有对高速列车轮对踏面损伤检测逐步以动态检测系统代替人工检测,针对动态检测系统中对踏面损伤图像处理时,存在大量边缘信息丢失、图像细节不完整等问题,提出一种基于改进Canny算子的边缘检测算法。该算法利用自适应双边滤波代替传统高斯滤波对图像进行平滑处理,能够很好的保持图像边缘和滤除噪声;采用水平、垂直、45°和135°4个方向梯度模板来确定梯度幅值;用Otsu算法(大津法)自适应地根据图像灰度值生成高阈值和低阈值,克服人为设定高低阈值的缺陷,增强了算法的自适应性。通过仿真实验结果表明:改进的算法能够有效的保留更多的踏面图像边缘信息,也具有较强的自适应性,为轮对踏面损伤动态检测的后处理提供了有效的技术支持。     

基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术

针对钢轨裂纹红外图像采集过程中产生的噪声大、对比度低的问题,以及传统直方图均衡化方法在对红外图像增强时灰度级减少和细节信息丢失等不足,提出频域增强与空域增强相结合的红外图像增强算法,以弥补传统算法在红外图像增强时的不足。在空间域上采用直方图均衡化对红外图像进行处理,提高图像对比度降低图像噪声;在频率域上采用高通滤波对红外图像进行锐化处理,增强图像的边缘和细节信息。仿真结果表明:该算法在对钢轨裂纹红外图像增强时很好地抑制了背景噪声,而且有效地凸显了钢轨裂纹内部微弱的细节纹理,保护图像的细节信息,为更好地提取钢轨裂纹的缺陷信息提供条件。     

一种基于高斯函数的直方图规定化算法

提出一种基于高斯函数的直方图规定化算法，本算法首先根据原图像的信息求出灰度平均值和灰度平均对比度，并利用这两个参数估计输出图像的灰度平均值和灰度平均对比度，然后利用输出图像的灰度平均值和灰度平均对比度构成高斯函数来规定输出图像的直方图，从而控制输出图像的灰度平均值和灰度平均对比度。此算法处理效果明显优于直方图均衡化算法，而且计算量小、处理速度快、不需要人工干预，可用于计算资源有限、实时性要求较高的场合。而且通过改变单一参量就可以控制输出图像的对比度，在工程应用中为用户提供了调控与选择手段。     

一种钢轨裂纹红外图像处理算法研究

针对钢轨裂纹红外图像信噪比低、对比度低和纹理细节模糊的特点,提出了一种涉及降噪、目标细节增强和区域分割等的红外图像综合处理算法。首先,通过自适应均值滤波除去钢轨裂纹红外图像的部分噪声;其次,采用非线性非子采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)对裂纹图像进行增强处理;最后,利用改进的最大类间方差法实现图像中目标裂纹区域的分割。实验结果表明,本文算法在有效地抑制噪声,提高图像对比度的基础上,能突显裂纹细节纹理,同时降低细节分割丢失,为后续图像信息处理奠定了必要的基础。     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

鲁棒实时钢轨表面擦伤检测算法研究

应用图像处理和模式识别技术,分析高速线阵扫描相机采集的钢轨数字图像,提出鲁棒实时的钢轨表面擦伤检测算法。这种算法首先分析采集图像在垂直方向的投影曲线,提取准确钢轨图像;之后,借鉴人类视觉对比度感知机理,将钢轨灰度图转换为灰度对比图,并基于最大熵原理进行二值化处理,分割出可疑擦伤区域;然后根据经验知识判定钢轨表面的可疑擦伤。实验验证表明:新算法的检测性能高,平均准确率为90.7%,平均漏检率为3.95%;检测速度快,平均检测时间不超过40 ms。     

基于机器视觉的钢轨表面检测光学模型的研究

在机器视觉的检测中,图像是整个系统中最重要的原始数据,其质量决定了后期图像处理的效果和速度。为探讨高质量图像的采集,提出一种基于线阵CCD相机和线阵光源的钢轨表面缺陷检测的光学理论模型,分析线阵CCD采集系统中振动模糊的原因,推导出图像灰度值与系统振动幅度和缺陷深度的关系,研究光源照射角度和相机拍摄角度对图像灰度和缺陷区域对比度的影响,并通过实验验证模型的合理性。结果表明:缺陷区域图像灰度值随着钢轨表面缺陷深度增大而降低,采用较低的光源照射角度可增大缺陷与背景的对比度,突出缺陷特征便于后期图像处理的缺陷识别。     

基于区域级和像素级特征的路面裂缝检测方法

路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

一种优化的Canny边缘检测算法

在对Canny边缘检测理论研究基础上,针对Canny边缘检测算法在高斯滤波、梯度计算和高低阈值的确定上的缺陷,提出一种改进的小波变换法,替代高斯滤波,实现对图像的降噪,同时,优化了原有梯度幅值和方向的计算方法,采用改进的迭代算法对高低阈值进行计算。运用MATLAB仿真实验对比优化后的Canny边缘检测算法与传统Canny边缘检测算法。结果表明,优化后的Canny边缘检测算法可使检测结果拥有更多的边缘细节,提高了检测的精度和准确度。     

基于自适应多尺度积阈值的钢轨裂纹红外图像增强

利用红外热波技术检测钢轨斜裂纹伤损所得的红外图像存在整体亮度偏暗、边缘对比度低和纹理细节模糊的缺点,对测量裂纹的扩展深度不利。对此,本文提出一种基于非子采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)的自适应多尺度积阈值AMPT(Adaptive Multiscale Products Thresholding)钢轨裂纹红外图像增强算法。对图像进行NSCT分解得到不同尺度不同方向上的子带系数,由子带系数自适应地确定阈值并调整增强函数,将阈值作用于每一子带的多尺度积,对阈值化操作后的子带系数进行增强处理和逆变换,实现图像增强。实验结果表明:该算法在抑制噪声和提高图像整体对比度的基础上,有效突出了目标图像的边缘,对裂纹内部微弱细节纹理的增强效果优于其他传统的红外图像增强方法,为进一步提取代表裂纹深度的关键像素提供了有力支撑。     

基于改进Canny算法的铁轨边缘检测

针对异物入侵的边缘检测方法进行研究。根据中值滤波算法和开关滤波原理,结合现场复杂多变的监测环境,采用改进的开关型中值滤波器,以分段统计的方法对图像进行去噪处理。为了更好的恢复被破坏的数据,结合铁轨具有连续边缘走向的特点,利用惯性原理进行边缘追踪,提出改进的Canny算法,用于判断铁轨的异物入侵,并对问题进行了试验和分析。试验结果表明,该算法的噪声抑制能力远优于传统算法,能适合现场的监测,具有更好的连续性和细节边缘表现力,提高了整个监测系统的自动化程度和可靠性。     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100%的检测率。     

基于视觉的钢轨表面缺陷识别方法综述

基于计算机视觉技术的钢轨表面缺陷识别方法凭借其非接触、准确性高、无遗漏、快速高效等优点得到越来越多的关注。其识别流程包括:对采集到的钢轨表面图像进行预处理;采用灰度水平投影等方法提取出钢轨的轨面区域;利用图像分割技术提取出缺陷部分的图像信息;对缺陷特征进行描述,计算出缺陷的特征向量;利用机器学习分类器实现缺陷分类;通过深度学习实现钢轨表面缺陷的识别。基于当前研究难点,指出未来主要的研究方向,包括图像的优化预处理、钢轨表面缺陷的快速准确提取及对基于深度学习的缺陷识别方法的深化完善。     

基于灰度期望值和二值化高精度图像处理算法

在系统地分析高精度图像处理的分割算法的基础上,对现有的图像二值化算法进行了改进,提出了一种基干灰度期望值和二值化的高精度图像处理算法,该算法的处理效果和自适应性明显优干原算法,并且对于灰度分布范围比较大的图像可以比前者在局部区域上保留更多的细节信息.实验证明该算法可以得到比较满意的处理效果.     

改进Canny算子在列车车轮踏面损伤检测中的应用

高速列车车轮踏面剥离、擦伤等损伤的检测主要以效率低下的人工巡检为主,为了提高检测效率设计一种基于机器视觉的高速列车车轮踏面损伤的动态检测系统,提出使用改进Canny算子对车轮踏面损伤进行边缘检测。改进的Canny算子在平滑图像时采用自适应加权中值滤波算法来代替高斯滤波,采用添加45°和135°方向梯度模板的Sobel算子来计算梯度幅值,以大津法(Otsu法)来确定最佳高低阈值。仿真实验结果表明:基于自适应加权中值滤波和大津法的改进Canny算子可以有效地检测车轮踏面损伤的边缘,同时也实现了自动检测。     

基于HALCON的钢轨表面缺陷检测技术研究

针对当前检测钢轨表面缺陷存在的效率低、易漏检误检问题,提出一种基于HALCON图像处理软件开发的钢轨表面缺陷检测方法,实现测量过程中对缺陷图像的识别和处理。通过钢轨模拟检测平台采集钢轨表面图像,利用HALCON软件对获取的原始图像进行预处理、边缘检测、目标特征提取,计算相关几何特征信息并定位钢轨表面缺陷。实验表明,该方法具有较高的测量精度和测量效率,能够满足实际应用,为钢轨表面缺陷在线检测提供了新的途径。     

基于级联网络的钢轨顶面缺陷检测方法研究

长期的高速行驶会引起车辆振动，使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷，这些缺陷不仅会影响钢轨顶面的外观，还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响，提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域，在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中，为更好地优化缺陷特征细节，在特征提取阶段引入轻量级的卷积注意力机制模块；采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复；为得到边缘清晰的缺陷对象，在特征恢复之后设计了一个边界精细化网络结构。实验结果表明，该方法的平均绝对误差仅为0.001 2,AUC值达到0.993 5,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷，具有较高的工程实用价值。