基于DR图像多重快速分割的铁路货车铸件缺陷提取方法

针对铁路货车铸件DR(Digital Radiography)图像数据量大、背景亮度不均匀以及对DR图像中铸件薄壁区域的缺陷提取效果不理想和基于C-V模型的分割方法存在计算量大的问题,研究基于DR图像多重快速分割的铸件缺陷提取方法.先利用OTSU双阈值分割算法对铸件DR图像进行分割,然后应用区域生长技术得到铸件薄壁区域的图像;对该图像进行剥皮和归一化线性灰度拉伸处理后,再次利用OTSU双阈值分割算法和区域生长技术对图像进行分割,从中提取出含有和可能含有铸件缺陷的局部图像;对可能含有铸件缺陷的亮背景区域图像用C-V模型再次进行分割,最终提取出所有铸件缺陷的图像.     

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%。     

基于BP神经网络的货车车号识别方法研究

针对货车车号的字体不规则、单字有断裂的特点,提出基于图像预处理的动态字符分割和提取算法,准确地对车号图像进行车号区域提取和车号单字分割.利用Hilditch细化算法对单字进行细化,提取出能表征数字的结构特征向量.设计出BP人工神经网络,数字的结构特征向量作为BP网络的输入,用经过训练的BP网络进行货车车号的识别.     

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。     

地铁接触线磨损动态非接触检测方法

为了实现地铁接触线磨损的高效检测,研发了一套地铁接触线磨损动态非接触检测系统.通过线激光器照射接触线,双相机配合滤光片避免外部光干扰,提高接触线图像的拍摄质量.对拍摄的图像先采用自适应中值滤波、接触线图像初步分割方法分割出接触线图像,再利用改进Canny算法计算图像梯度与方向,然后采用 自适应阈值分割方法,消除由于噪声...     

一种基于单应性变换的车道线检测方法

针对辅助驾驶系统中的车道线检测问题提出一种基于单应性变换和直方图分析的方法：首先根据相机参数确定图像中的感兴趣区域,并对图像进行颜色分割和梯度计算以提取候选车道线像素;接着利用单应性变换将图像信息投影到俯视图像,并利用直方图分析提取车道线像素;最后对车道左右两侧提取的标识线像素分别进行二次曲线拟合,从而获得当前车道标识线的几何信息。通过对行车视频图像进行算法检验,结果表明该方法能以30帧/秒的实时速度检测出车道线并计算其几何信息。     

转向架轮对参数的结构光视觉测量方法与实现

为实现转向架轮对半径参数的精确检测,提出了一种基于结构光视觉传感器的非接触式检测方法。该方法首先采集轮对的线结构光条纹图像,采用中值滤波和最大间类方差法对图像进行去噪和阈值分割后,运用细化及Hough变换算法提取结构光条纹中心直线,最后结合视觉传感器标定参数计算出轮对特征点坐标及尺寸参数。通过轮对轮缘半径检测试验,验证了该方法的误差小于0.05mm,具有较好的检测精度,满足实际现场检测的要求。     

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。     

基于二维相关性的图像分割及快速递推算法

基于二维直方图提出了二维相关性的阈值分割算法。首先,通过邻域平均得到原始图像的平滑图像,由原始图像和平滑图像构造二维直方图,然后根据相关性最大准则选择最佳的二维阈值向量。由于该方法同时考虑了图像像素的灰度信息及其空间邻域信息,与一维阈值相比能得到更好的分割效果。同时为降低二维阈值算法的复杂性,提出了快速递推算法。该算法将二维相关性的计算写成递推形式,减少了大量的重复计算,使得算法的复杂性从O(L4)降低到O(L2),计算时间大为减少,有利于该算法的实时应用。     

基于关键特征梯形的城市轨道交通车辆受电弓羊角形变检测方法

针对城市轨道交通车辆受电弓羊角的形变和断裂，提出了基于关键特征梯形的受电弓羊角形变检测方法。首先，进行图像滤波预处理，去除图片中的高斯噪声；其次，对预处理图像进行LC(亮度对标)显著性检测，将图像的前景和背景分离，利用GrabCut算法完成图像分割，简化除采集图像中的受电弓以外的复杂环境背景，保留受电弓的完整特征；最后，按一阶梯度和二阶梯度信息为特征关键点匹配模板，得到2个羊角尖和2个螺母的关键点位置，将4个关键点连接形成特征梯形，对特征梯形面积进行计算，并与标准的受电弓特征面积进行比对，进而计算出受电弓羊角的形变比。试验结果表明：该算法能准确地定位羊角位置和计算其形变，可为维修人员及时更换受电弓提供依据。     

基于曲波域移动平行窗的受电弓滑板裂纹识别

针对受电弓滑板非接触式裂纹故障检测问题,提出一种基于曲波域移动平行窗的受电弓滑板裂纹识别算法。算法利用曲波变换多方向性及各向异性特点,对受电弓滑板图像点状、线性和非线性特征进行分类。在曲波分解方向矩阵中使用移动平行窗口并计算窗口能量值,依据能量值区分线性平行接缝与背景噪声、螺钉和刮痕等其他非线性图像特征,最终获取滑板裂纹信息。实验结果表明,本文算法能有效地分类滑板图像特征,较准确地检测并定位滑板裂纹故障,识别率达到94.1%。     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

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。     

高铁轨道CPⅢ基准点自动检测方法研究

为实现高铁轨道CPⅢ基准点的自动高效检测,研发基于双目视觉的CPⅢ基准点动态非接触自动检测系统。首先对双相机拍摄的图像进行自适应分割处理,对分割后的图像利用改进模板匹配算法计算获得CPⅢ标识物在图像中的位置;然后对提取的标识物目标图像进行自适应阈值分割提取边缘轮廓,计算标识物中心坐标;最后利用基准点计算方法和双相机标定的参数计算CPⅢ基准点坐标。试验结果表明,检测系统在水平方向上的最大误差为0.95 mm,垂直方向最大误差0.25 mm,最大变异系数为0.211%,该方法可为CPⅢ基准点高精度自动化检测的应用提供参考。     

基于栅格元模型的纹理图像分割方法

提出了一种基于栅格元模型的纹理图像分割方法,该方法结合了视觉栅格元模型对不同纹理方向和频率的响应敏感性及特征变换的降维特性。首先通过栅格元运算模型提取图像的多维纹理特征,然后利用变换法将特征从多维空间映射到低维空间,最后依据降维后的纹理特征将图像分割为不同的纹理区域。仿真结果表明,该方法不但能有效地分割纹理图像,而且能分割出由纹理和非纹理区域组成的混合图像,与传统的Gabor滤波器法相比,分割效果更佳,适用范围更宽。     

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...     

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。