基于稀疏模型的Bandelet图像去噪方法

提出一种基于Bandelet变换的图像去噪方法,以提高高噪声方差的图像去噪效果。Bandelet变换的核心是Lagrangian函数代价项的准确选取,本文从图像基追踪稀疏模型表示原理和图像阈值去噪方法的内在关系入手,重新定义Lagrangian函数,从而使图像稀疏去噪模型含义更明确,计算更简单。在去噪过程中,首先采用二维平移不变小波变换把图像分解为高频子带;然后用局部Bandelet块估计Bayes阈值确定Lagrangian函数的代价因子,从而对各个高频实施Bandelet化;最后对高频图像系数Bayes软阈值收缩实现图像去噪。国际标准中几何特征明显图像测试表明:在高斯白噪声的方差低于502时,本文方法的去噪效果和目前最好方法的效果相当;当噪声的方差等于或者高于502时,本文去噪方法效果更好。     

遥感图像小波降噪方法的研究

在遥感图像降噪过程中,小波域阈值算法可以有效地降低图像的噪声,但阈值选取往往是固定的,不利于小波算法的计算过程,提出基于Bayesian估计的小波变换的自适应阈值去噪方法,实验证明,该算法能有效地去除噪声,并且能够较好地保护图像细节.     

基于双结构元素数学形态学的铁轨图像边缘检测方法

针对铁轨图像在采集过程中经常受到不同程度的噪声影响,传统边缘检测方法难以检测并提取准确的铁轨边缘.文中通过分析灰度数学形态学抗噪图像边缘检测的常用方法,提出基于不同几何形状及大小的双结构元素抗噪数学形态学铁轨图像边缘检测算法.并应用这种算法对掺杂有噪声的铁轨弯道图像边缘进行铁轨边缘检测,实验结果表明:该方法具有比传统经典边缘检测方法更好的铁轨弯道边缘检测及提取效果.     

钢轨超声相控阵检测中的信号去噪研究

针对钢轨缺陷超声相控阵法检测应用中所存在的信噪比不高的问题,选用db4小波和阈值法对噪声图像进行小波变换,得到小波系数矩阵,再通过阈值化对小波系数矩阵做逆变换,抑制噪声对检测效果的不利影响,并重构钢轨缺陷的全聚焦图像。选用含人工缺陷的60钢轨试块开展超声相控阵检测实验,对比去噪前后的PSNR和MSE验证本方法的去噪性能,为钢轨缺陷相控阵C扫描成像提供有效保障。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

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。     

基于极小曲面的高阶PDE图像去噪模型

2000年Yu-Li和M.Kaveh将高阶偏微分方程思想应用到图像去噪处理过程,同时提出高阶偏微分方程去噪模型,其模型虽然保持了原低阶偏微分方程在图像去噪过程中的优点,但却具有两个缺点:对椒盐噪声没有任何的去除能力;在图像处理过程中容易造成原本平滑的区域出现不平整的现象.这就使其在图像去噪过程中很难得到良好的处理效果.作者借助于Yu-Li和M.Kaveh所提出的高阶偏微分方程的思想,提出一种基于微分几何学极小曲面定理的高阶偏微分方程去噪模型,此模型一方面保持了Yu-Li和M.Kaveh所提出的高阶偏微分方程去噪模型的优点,另一方面克服了Yu-Li和M.Kaveh模型的两个缺点,同时从理论分析与实验验证两个方面证明了本文模型具有良好的去噪效果.     

一种基于Radon变换和双谱分析的纹理旋转不变性分析方法

现有纹理旋转不变分析方法主要基于纹理图像局部特征,而且对噪声较为敏感.本文提出一种基于Ra-don变换和双谱分析的纹理旋转不变分析方法.该方法对纹理图像进行Radon变换,在Radon投影空间进行双谱分析实现纹理旋转不变识别与旋转角度估计.由于Radon变换是对图像不同方向的线积分,所以基于Radon投影空间的纹理特征具有全局特性,而且对白噪声具有一定的抑制作用.均值为零的高斯过程其双谱为零,所以此方法对高斯噪声也有抑制作用.本方法的特征向量长度很短,降低了分类器训练和识别的复杂度.实验采用Brodatz纹理集,结果表明:该方法具有较高的识别率,能够较为精确地计算纹理的旋转角度,而且对噪声的鲁棒性强.     

电磁超声系统强噪声干扰抑制算法研究

在采用电磁超声技术(EMAT)进行车轮踏面探伤时,针对检测数据中存在的噪声问题提出一种结合小波算法和相位差算法的综合算法.根据噪声及有用的电磁超声信号的特征,得出小波软阈值去噪方法;结合布莱克曼窗函数及信号的频谱特征,提出一种利用简单三角函数来实现信号相位计算的方法;算法在改善电磁超声系统数据波形质量、提高系统的检测准...     

铁路车号多途径综合识别系统的设计

本文介绍了一种通过射频识别技术和图像识别技术相结合,实现铁路车号可靠识别的方案.该方案综合利用车辆电子标签和车侧刷写的车号两种信息源,在融合两种识别技术自动提高识别效率的基础上,还为车号工作人员提供了通过图象核对补充的功能,可以有效保障车号信息的正确性和实时性,显著提高了作业进程和效率.     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

基于视觉信息的高速铁路声屏障景观量化分析探讨

高速铁路声屏障是减少运营噪声的有效措施,但声屏障的设置会产生“廊道效应”,对乘客产生视觉和心理上的负面影响。本文将高速列车乘客在旅途中的视觉信息作为分析目标,将声屏障的景观特性细化为空间特性和视觉特性,并系统阐述空间特性和视觉特性的具体评判和量化方法。借助数字摄影和图像处理技术,对已建高速铁路不同声屏障的景观指标数据进行计算,并以此构建高速铁路声屏障景观层次灰色分析模型,实现对不同声屏障景观特性的量化评判。在此基础上,给出高速铁路声屏障景观选型的方法和建议。     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

基于数字图像分析的铁路货车闸瓦插销窜出故障自动识别方法

本文基于数字图像分析技术,提出一种TFDS铁路货车闸瓦插销窜出故障的自动识别方法。算法对原始输入图像进行必要的区域定位、直方图均衡化、去噪等预处理;针对处理后的闸瓦插销的图像,设计适合其形状、纹理和位置3个方面特征的梯度方向直方图来描述闸瓦插销的特征向量;提取特征向量输入到已经训练好的线性可分支持向量机分类器模型中进行故障判断和自动识别。实验数据证明了该识别算法的稳定性、可靠性和实用性。     

灰箱辨识在二系悬挂参数估计中的应用

介绍了灰箱辨识在铁道车辆二系悬挂参数估计中的应用,运用灰箱辨识方法估计二系悬挂的质量、阻尼和刚度参数,并比较了两种灰箱辨识软件工具MoCaVa和CTSM的辨识结果。分析辨识结果发现MoCaVa在测量噪声存在时比较精确的估计出线性模型的结构参数,且辨识结果对参数初值具有鲁棒性。该方法对监测车辆的运行状态,诊断车辆故障具有重要意义。     

小波包方法在车载FSK信号中的应用

FSK信号作为保障铁路安全运行的主要信号制式，在国内铁路上现在有两种，是法国引进的UT信号和国内自主开发的YP信号，小波变换是继傅里叶变换之后的重大突破，而小波包则是小波变换的进一步发展，克服了小波变换的一些不足，本文首先研究了车载FSK信号的特征，再利用小波包对车载FSK信号进行滤波处理，文中，给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法，在滤波处理过程中，为了处理带内的噪声，也给出了采用阈值的方法来减少带内白噪声，阈值的选取充分应用到FSK信号的小波包分解的特点，最，我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真，仿真结果表明，根据车载FSK信号的特性，小波包方法是处理车载FSK信号的有效方法。     

基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。     

荧光磁粉探伤裂纹智能识别图像处理研究

磁粉探伤的发展趋势是自动化、智能化,而工件表面状况、真伪裂纹、工况条件等使得现有的检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺陷特征的基础上,研究表征裂纹邻域像素空间相关度的二维直方图分布,提出基于多重分块极值的图像边缘检测算法。根据裂纹邻域像素空间相关度参数,以及裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于列车轮轴检测线实时检测,裂纹缺陷的有效检出率达99%。