基于HCRD的列车锁紧板偏转自动识别方法

针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-Right angle Detection)方法.通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力.采用python编程,平均每张图像识别时间为0.067 s.且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性.实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力.该方法为TFDS故障图像识别提供了一种新的思路.     

图像识别技术在接触网悬挂状态检测中的应用

提出了一种新型基于计算机图像自动识别的接触网零部件悬挂状态检测算法。它与之前的人工肉眼图像判断和传统人工巡检相比,具有检测精度高、检测速度快、环境适应力强等优点。     

铁路车辆监测图像识别模型训练及验证平台研究

针对铁路车辆轨边图像检测系统现有图像自动识别模型训练及评价过程中训练数据不足、数据质量不高、评价标准不一致等问题,研究铁路车辆监测图像识别模型训练及验证平台。设计故障图像数据统一接入,专家标定数据形成,自动识别模型接入、训练、对比评测等方法,为故障图像自动识别模型提供标准训练数据、统一评测验证与管理服务的能力。实践表明,该平台实现了车辆故障图像数据的集中汇总与统一管理,为铁路车辆监测图像自动识别技术的发展提供了有力支持。     

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oracle的统一瓦片分块栅格数据库模型

以Oracle数据库为基础,在分析了当前常用栅格数据库建立方式的基础上,提出了基于统一瓦片分块的栅格数据库模型。并描述了本模型在Oracle中的建立方法,比较了本模型与GeoRaster模型之间的区别及优势。实验证明,统一瓦片分块模型适用于涉及面积广泛、数据源尺度一致的栅格数据存储,具有简单高效、查询快速等特点,并能为各种应用提供易于实现的数据访问。     

南京地铁列车车载图像监控系统

介绍了南京地铁2号线车载图像监控系统的主要设计方案及特点.该方案采用全数字IP网络化技术,并利用2号线建设中的无线通信网络将车载图像传输至控制中心、车站及车辆段,实现列车图像实时监控功能.     

基于互信息量的医学图像拼合算法

研究了基于互信息量的图像拼合方法，对现有的概率分布估计方法及搜索策略进行了比较，并提出用梯度二值化图像互相关配准做预处理方法，并就融合后图像的显示问题提出一种基于边界法向插值的新方法、应用这些方法拼合实际XA医学图像，实现序列下肢步进图像的准确拼合．     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。     

Image Segmentation Using an Improved Watershed Algorithm

IntroductionOne of the firstand mostimportantoperationsin image analysis and computervision is image seg-mentation.The aim of image segmentation is thedomain- independent partition of the image into aset of regions,which are visually distinct and uni-form…     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像，提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法，算法首先利用特征提取与边缘检测产像进行预处理，并且将特征匹配与最小二乘算法相结合，从而实现了图像与模板之间精确的子像素定位与匹配，实验表明，该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷，图像矫正效果良好，是一种有效的畸变图像矫正算法。