一种改进的LBP特征实现铁路扣件识别

为了提高铁路扣件基于视觉的自动化检测精度,提出了一种改进的LBP （local binary pattern）编码算法. 该方法为了避免基本LBP对噪声敏感问题,根据不同邻域的不同噪声强度,结合测量误差服从高斯分布的原则,计算邻域内像素均值和偏差;根据偏差大小,自动设置阈值,实现自适应噪声抑制. 为了避免基本LBP表达邻域差分关系不完整的缺陷,提出了利用邻域内随机采样的方式得到采样点对,通过比较随机点对的差分关系得到LBP编码. 对在晴天、阴天、雨天等不同天气条件下的铁路扣件图像上进行实验,并与原始以及其他改进LBP进行比较. 结果表明,本文的算法具有更高的检测准确率,晴天提高了3.32%,阴天提高了3.27%,雨天提高了4.10%,能够满足铁路扣件自动化检测的需要.      

基于高斯混合部件模型的铁路扣件检测

针对采集图像中铁路扣件存在形状的变化、扣件图像的光照差异较大和扣件被异物局部遮挡的问题,根据对可变形部件模型算法和高斯混合模型的研究,提出了高斯混合部件模型算法. 结合扣件图像边缘特性及改进的Roberts算子计算图像梯度,将归一化后的方向梯度直方图特征作为高斯混合部件模型算法的底层特征,根据扣件形状划分部件,部件之间的相对位置采用星型连接方式度量,运用余弦相似性度量部件中方向梯度直方图特征的相似度,部件模型使用高斯混合模型并采用期望最大化算法迭代求解. 将高斯混合部件模型算法应用于扣件检测中,最终平均检测效果为漏检率3.16%、误检率9.80%、正确率90.27%.      

基于GF-1卫星遥感数据的苏化高速公路植被变化研究

基于GF-1遥感卫星影像,采用光谱锐化方法及灰度直方图进行图像融合与镶嵌,选用生境质量指数和植被覆盖度指数作为生境质量变化的指示因子,定量研究苏化高速公路2018年～2020年土地覆盖和植被NDVI数据。结果表明：(1)GS变换融合方法和灰度直方图法可较好地处理图像数据;(2)2018年～2020年苏化高速公路12个重要工点中,土地利用类型的明显变化主要发生在2019年,7个工点生境质量指数有所减小,施工在原有的建设用地基础上扩大了面积,草地占比大的工点生境指数可达到95.64,耕地占比大的弃土场工点生境指数可低至43.62。     

基于图像分割的复杂面积计算方法研究与实现

以图像分割为基础，采用自适应旋转投影分解法，用一组高斯函数来拟合图像的灰度直方图，计算出相邻高斯函数间的最优阈值，从而将待计算部分从图像中分割出来；采用数字图像分割方法，便于计算各种复杂形状的面积。试验证明，该方法适用于各类256色灰度图像，具有一定的实用价值。     

桥梁离心力作用点位置试验研究

通过对中国公路运营车辆的质心位置进行抽样试验分析和调查收集，得出质心位置和车辆总重的对应关系，结合对公路运营车辆总重直方图分析及国外资料和规范的对比，给出中国公路桥梁汽车离心力作用点位置的建议。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于图像处理的钢轨伤损分类算法研究

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别。因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(supportvector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别。试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率。     

颜色在识别中的应用及关键技术研究

研究颜色在识别中的应用以及所涉及到的关键技术.主要技术包括色度图、颜色库、自适应阈值、颜色模版匹配、模糊神经网络、颜色分类器等.重点研究了适于遥感图像分类的正交坐标系的YHS(亮度,色调,饱和度)变换技术.     

利用小波变换对MEMS矢量水听器信号处理

为解决对水上未知目标的定位估计,充分利用接收信号,提出一种基于小波变换与傅里叶变换相结合的信号处理方法。采用中北大学研制的十字梁结构的MEMS矢量水听器接收声源信号,通过后续电路把声压信号转换成电压信号。先进行窄带滤波,保存有用信号频带;然后选择合适的小波阈值及小波基对信号进行小波降噪处理,减少低频噪声干扰,提高输出信噪比,为后续的信号处理及水声定位提供便利;最后基于MUSIC算法,结合直方图法进行目标方位估计,仿真结果表明,这种方法将定位精度提高到3°。