用于动车组故障检测的图像识别算法

动车组运行故障动态图像检测系统（TEDS）通过比对现场图像与其历史图像,实现列车运行状态的实时监测和自动报警。由于不同时间采集的图像存在一定程度的差异性,使得单纯基于SIFT特征匹配的故障识别算法误报率较高。为此,本文提出一种自适应融合局部和全局匹配的图像故障识别算法:将图像以车厢为基准对齐配准;基于SIFT特征匹配,通过局部比对粗略定位故障区域;以上述区域为模板,搜寻历史图像以精准定位故障位置。实验结果表明,本算法能有效地分析和预警运行动车组的异常情况,使得系统用户可及时发现重大故障,提升动车运营质量。     

基于形状上下文的列车挡键丢失图像识别算法

针对列车运行故障图像动态检测系统（Trouble of moving Freight car Detection System,TFDS）中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0．16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。     

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。     

高铁接触网旋转双耳销钉状态检测方法研究

针对高速铁路接触网支撑装置旋转双耳部件销钉的松脱与脱落问题,提出一种基于图像不变性目标定位及灰度分布规律特征的销钉不良状态检测方法。通过分析现场接触网支撑及悬挂装置图像,利用SIFT(Scale Invariant Feature transform)算法和改进的RANSAC(Random Sample Consensus)算法实现双耳部件的定位;采用Hough变换实现目标图像中双耳套筒倾角的提取,并将其旋转至水平方向,进而实现旋转双耳部分的分割;累加目标图像的竖直方向像素灰度值,确定销钉受力部分和两端非受力部分长度;归纳销钉正常工作及故障时这些长度间相关比值的范围,从而判断销钉的工作状态。实验表明,该方法能够较准确地实现销钉不良状态的检测。     

基于功率曲线时域特征和变分模态分解的S700K转辙机运行状态诊断算法

根据S700K转辙机动作功率曲线非线性、非平稳、能充分反映转辙机不同状态信息的特点,提出基于功率曲线时域特征和变分模态分解、排列熵和模糊聚类分析的S700K转辙机全周期状态诊断算法。获取典型功率曲线,计算其有效值、峰值因子和峭度因子作为时域特征值,用于描述功率曲线能量特征、冲击特性及概率密度;为弥补曲线类型中时域特征值差异不明显的特征表征,采用变分模态分解将功率曲线分解成具有不同频率特性的模态函数,计算不同模态函数的排列熵得到4个频域特征值;将时、频域共计7个特征值作为运行状态特征集,使用模糊聚类算法对特征集进行运行状态诊断,得到S700K转辙机的运行状态（正常、亚健康、故障和严重故障）。实例应用结果表明：对选取的60组曲线,本文算法诊断正确率为98.33%;故障库为30条曲线时,程序运行时间不超过1.3 s;采用该算法,无须对模型进行训练,便能准确有效地诊断S700K转辙机运行状态,适合S700K转辙机样本少的特点。     

基于面部不变特征的铁路实名制检票人脸身份认证算法

为了实现铁路实名制检票时旅客的人脸图像与其身份证上人脸图像的自动比对,提出1种基于面部不变特征的人脸身份认证算法。以人的面部不变特征为前提,采用改进的尺度不变特征变换算法,提取现场采集的旅客的人脸图像及其身份证上的人脸图像的关键点,将靠近关键点的区域划分为部分重叠的子区域,然后以图像的词包模型差为基元构建人脸差特征空间,对训练图像的类别信息进行建模;对支持向量机(SVM)分类器训练分类的过程进行优化,训练优化的SVM分类器;最后,使用人脸差特征空间和训练好的SVM分类器进行加权投票,确认身份证上的人脸图像与现场采集的人脸图像是否为同一个人,实现旅客身份的认证。实验结果表明,在图像采集的尺度、角度和光照等不可控的情况下,该算法能够达到较高的认证速度和准确率。     

基于可变形部件模板的扣件状态识别

针对在铁路钢轨扣件状态自动识别中断裂扣件与正常扣件难以区分的问题,基于DPM算法思路提出DPTM算法用于扣件状态自动检测。为屏蔽扣件图像中背景区域的干扰,根据扣件几何形状设计相应的掩膜模板,并对扣件进行分块得到扣件部件模型。采用弹簧模型度量部件之间相对位置关系、余弦相似性度量HOG特征点之间的相似度,加权融合特征点相似度得到部件相似度,根据各个部件重要性的权重系数组合建立扣件状态分类准则。理论分析和实验结果表明,DPTM算法能够较好地区分正常、断裂和丢失三种状态的扣件,并在优先保证较低漏检率的同时取得较低的误检率。     

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计：考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。     

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。     

Relief算法在关门车故障自动识别中的应用

针对货车运行故障动态图像检测(TFDS)系统中的图像识别问题,提出一种基于Relief算法的解决方案.该方案采用梯度-共生矩阵的数字特征来描述一幅图像,然后通过Relief算法进行有效的特征选择,根据这些特征,通过模板匹配技术,最终检测出关门车故障.现场运用表明,该方案具有很高的实用性.     

基于模糊集和k-means算法的变压器红外图像分割

针对k-means算法的k值选定和复杂背景下红外图像误分割问题,提出了一种结合模糊集理论和k-means算法的改进方法。该方法根据灰度级直方图估计k值,在获得k值的基础上,利用直方图均衡化和模糊集理论进行图像增强,然后通过k-means算法结合数学形态学的开运算,再进行图像分割。实验结果表明,该方法获得了更为准确的聚类结果,同时实验对比发现该方法相较其它方法分割效果更好,又兼顾了快速性和变压器温度细节表现能力。     

基于线阵CCD图像纹理特征的铁路货车货物分割算法研究

利用线阵CCD摄像头采集到的货车货物装载图像,提出一种经过改进的货车货物分割方法。首先,利用优化后的多尺度Retinex(MSR)算法对图像进行增强预处理,然后使用自适应单通道种子选取算法(APSS)获得图像中灰度Gabor纹理特征分布中心点的初始值,并用K-Means算法进行图像兴趣区域的分割,在此基础上利用邻域特征对图像中的兴趣区域进行重新合并,得到最终的分割结果。实验表明,该方法能提高图像中不同区域的分割精度,有较强的抗噪性,还减少了图像分割中的迭代次数,降低了计算复杂度,可以广泛应用到自然环境中车辆图像的分割。在基于线阵CCD铁路货运安全监控系统中货物检查的实际应用中,该方法的货物分割错误率较低,保证了检测系统的问题识别准确率。     

基于色彩矩的无监督多分辨率图像分割

无监督的图像分割被广泛的应用于各种不同的条件下，包括数字相机的图像增强，目标识别，基于内容的图像检索和三维图像分析。本文提出了一种新的多分辨图像分割方法，与其他基于颜色的全局优化分割方法比较，该方法基于人的视觉系统原理，能够将感兴趣的物体从背景中分割出来，同时图像分割是一个多分辨率的分割过程，首先算法在整幅图像中搜索代表物体的特征块，然后利用特征块的色彩矩特征对所有图像块进行聚类，最后对属于物体类的图像块进行高分辨率的分类，直到块中的每一个像素点被区分为背景或物体，实验结果表明，与传统方法相比，本文算法能够在较短的时间内，取得较好的分割效果。     

基于LoG梯度加权Haar-like特征的车轮裂纹检测

列车长时间运行后,车轮侧面出现许多裂纹,数量和尺寸达到一定标准后需进行更换,以保证安全。该标准定制的前提是对大量的车轮裂纹进行测量统计,而由人工进行这些工作需要大量的人力和物力,因此采用基于图像模式识别的自动检测能够节省大量的资源。文中主要研究列车车轮裂纹的检测定位算法,针对车轮表面裂纹的图像特征,提出一种基于LoG梯度加权Haar-like特征,能够有效地描述裂纹周围图像特性,从而更精确地进行裂纹描述,并提出改进的基于阈值限制LUT的Real-Adaboost机器学习算法训练裂纹检测分类器,进行快速精确的裂纹目标检测,实验部分验证了算法的有效性。     

基于能量特征和神经网络的纹理图像分割

特征是描述纹理根本属性的一种有效手段,本文结合Gabor滤波器对不同频率和方向的选择特性及自组织特征映射神经网络对特征聚类的适应性和灵活性,提出了一种新的纹理图像分割方法。该方法首先通过Gabor滤波器提取纹理图像的能量特征,然后运用自组织特征映射神经网络进行特征聚类和分类,实现纹理图像的分割。仿真结果证明,该方法能有效地分割出区域特性不同的纹理,且错分率低于共生矩阵和K均值聚类相结合的分割方法。     

基于机器视觉的列车外齿轮磨损状态检测方法

齿轮是高铁列车中的重要部件,齿轮磨损状态的程度对列车运行安全具有重要的影响。针对采用人工观察确定齿轮磨损状态的问题,提出一种基于机器视觉的列车外齿轮磨损状态定量检测方法。为避免将顶部和底部低灰度啮合区分割为背景,提出分块分割算法以得到候选啮合区域。为去除候选啮合区中的背景区域且将啮合区分割为一个整体,提出区域聚合算法。为避免点蚀区域位于啮合区边缘造成的不完整分割问题,提出基于凸包运算的边缘修正算法。结合分块分割、区域聚合以及边缘修正,实现齿面图像啮合区分割。结合自适应局部阈值以及基于形状特性的假阳性去除算法,实现齿面图像的点蚀区域检测。在140幅齿面图像上对提出方法进行验证,啮合区分割的平均AOM为0.89,点蚀区域检测方法性能优于现有方法。     

应用对象语义进行图像检索的新方法

为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法。本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的。在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路。     

一种基于DSP的铁路站台图像监视系统

根据铁路站台图像监视系统的特点，提出了采用电话线10km无中继传输图像的编码方法。图像采集压缩板将压缩后的图像码流通过Modem与电话线相连；接收端采用软件解压缩，软件算法融合了H．263／H．263＋标准算法和图像增强与分割技术。     

融合自注意力机制与深度学习的混凝土表面裂隙智能识别

混凝土裂隙几何信息识别的精确度,影响后期工程的安全.而传统的检测方法存在对裂隙识别不准、不全、不即时的缺陷,无法满足精度和实效性的现实需求.本文提出一种融合自注意力机制与全卷积神经网络的图像分割算法,以混凝土裂隙图像建立数据集,搭建深度学习网络;以全卷积神经网络训练模型,使用空间自注意力模块调整特征编码,输出基于自注意...