一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明:采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。     

基于道钉中心点定位的几何特征扣件定位算法

针对因轨道图像中图像歪斜、尺寸不一等导致定位失效、精度降低的问题,提出基于道钉中心点定位的几何结构特征扣件定位算法.采用先定位道钉中心点再定位扣件的思想.首先在图像预处理得到边缘图像的基础上,对图像边缘进行腐蚀与膨胀处理,使道钉边缘具备似圆性,再通过改进Hough变换进行圆形检测定位道钉所处大致区域并进行扩充,然后从原...     

有砟轨道扣件缺失识别算法的研究

针对有砟轨道扣件缺失问题,提出了基于fast PCA 和bag of words的两级分类扣件图像缺失识别算法。考虑到算法的可移植性和拍摄角度的不同,图像中钢轨和轨枕的方向并不一定是垂直的,单扣件定位识别具有局限性,提出采用双扣件图像作为样本。通过第一级分类器判断扣件是否缺失,进而得到扣件的具体位置。通过第二级分类器判断缺失扣件的类型,进一步得到扣件缺失的数目。该识别算法可达到较好的识别效果,有效地解决了拍摄角度不同的情况下有砟轨道缺失扣件的检测问题。     

基于计算机视觉的钢轨扣件螺母缺失检测系统

针对传统方法己经不能满足线路检修的需要,设计了一种基于计算机视觉的钢轨扣件螺母缺失检测系统,建立了钢轨扣件螺母缺失检测系统的系统框架,提出了一种基于特定区域像素点扫描统计的扣件定位算法,使用了主元分析法算法来提取扣件螺母特征向量,并利用最小距离分类器对扣件进行分类。实验结果表明,该系统能有效地自动识别钢轨扣件螺母是否缺失,能在一定程度上代替扣件系统螺母的人工巡检。     

一种轴类零件边缘精确定位方法

针对目前的边缘检测算法存在定位精度低、处理速度慢、抗噪性能差等缺陷,提出了一种轴类零件尺寸检测的图像边缘高精度定位方法。该方法采用改进的自适应中值滤波算法、改进的Kirsch算子和在图像边缘灰度梯度方向上进行二次函数逼近高斯曲线拟合方法,实现了图像边缘亚像素高精度定位,提高了尺寸检测精度。通过对气门尺寸的计算机视觉检测实际应用,证明提出的算法精确且稳定,满足高精度视觉检测要求。     

基于信息熵加权词包模型的扣件图像检测

针对传统“视觉词包模型”在进行铁路扣件检测时忽略图像结构而导致的区分能力不强的问题,提出一种基于信息熵加权词包模型的扣件检测模型EW_BOW。在传统“视觉词包模型”的基础上,引入信息熵对扣件图像局部区域的词包模型的词频进行加权处理,加强词包模型对不同类别扣件的区分性,并利用潜在狄利克雷分布学习扣件图像的主题分布。最后,采用支持向量机对扣件进行分类识别。对四类扣件图像的分类实验证明该模型能够有效提高扣件分类精确度。     

基于灰度不变性的扣件定位特征提取方法

针对现有扣件定位方法对不同光照条件下的铁路扣件图像适用性差、定位不准确的问题,提出一种鲁棒的、准确的铁路扣件定位检测算法。首先利用人眼视敏度特性来确定Rank变换窗口的大小,并通过改进Rank变换增强图像边缘特征;然后基于改进的LSD(Line Segment Detector)方法在增强后的图像中搜寻垫板与轨枕接触的边界线,并利用先验知识实现扣件的准确定位。实验表明,该方法定位准确且具有很好的适应性和鲁棒性。     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

一种新的图像边缘检测方法

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数,为了克服特征单一的缺陷,提出了一系列多特征的边缘检测算法,这类方法往往采用标准FCM聚类算法来达到边缘检测的目的,但是标准FCM聚类算法在类间数据量相差较大时容易产生错分,因此对图像中边缘点少而非边缘点多的特征数据库进行聚类分析,会产生一定的偏差,使图像的检测质量下降.对此该文提出了一种新的图像边缘检测算法,利用加权FCM算法代替标准FCM对特征矢量数据集进行分类,克服了上述问题,取得了较好的边缘检测效果.仿真实验也证明了新算法的有效性.     

基于边缘检测的多类别医学图像分类方法

针对乳腺X光医学图像多类分类精度普遍较低的问题,提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强,再通过边缘检测方法,获取乳腺X光医学图像中的肿块区域,对检测到的肿块区域使用灰度共生矩阵提取特征,对于提取到的特征,采用支持向量机（Support vector machine,SVM）的方法进行分类;对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌（即正常）类。实验结果表明,与传统的支持向量机多类分类算法相比,基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。     

铁路扣件图像边缘检测中LoG参数优化

边缘特征是铁路扣件缺陷分类的重要依据。高斯拉普拉斯（LoG）算子提取的边缘特征最接近扣件的真实边缘,但LoG参数的选取直接影响边缘检测效果。针对LoG参数的优化,采用基于布谷鸟搜索优化高斯拉普拉斯边缘检测的算法。利用布谷鸟优化搜索对阈值邻近像素值和标准偏差参数进行优化来提高拉普拉斯边缘检测性能。利用Pratt品质因数IMP值判定检测到的边缘是否最佳。实验证明,该方法有效优化了LoG参数的设置,得到的边缘特征提高了扣件缺陷分类准确率。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

形态学高帽变换与低帽变换功能扩展及应用

数学形态学广泛应用于图像处理和模式识别领域。对形态学高帽变换与低帽变换功能进行扩展,提出了假高帽变换的概念和低帽变换的新方法。用形态学滤波对原始图像进行平滑处理,由形态学膨胀运算调整结构元素尺度,依据检测图像边缘熵确定权值进行融合。改进了传统形态学边缘检测算法,改善了亮背景上暗物体的边缘提取,对数字图像进行处理,满足了实际需求。实验结果表明,该算法能有效抑制噪声,且边缘清晰准确,效果优于经典的边缘检测算法。     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测,通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取,实现了边缘的精确检测。实验结果显示,该算法能够有效地提取图像目标的轮廓信息,很好保持图像纹理,具有理想的抗干扰性能,保证了检测结果的准确性。     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

基于小波及自适应Canny的磁环表面缺陷检测算法

针对常规分割算法难以将磁环缺陷从纹理复杂的磁环表面提取出来,本文提出了一种基于小波变换及边缘检测的缺陷提取算法.基于小波变换对磁环纹理的弱化作用,对小波分解低频部分采用自适应Canny边缘检测算法分割出含缺陷的边缘;基于阈值分割的轮廓查找算法,提取出磁环内外轮廓并作一定的处理;对含缺陷边缘和处理后内外轮廓做形态学处理和逻辑运算提取出磁环所有缺陷;对缺陷排序并提取出磁环主缺陷轮廓,判断轮廓闭合情况并填充轮廓得到主缺陷区域.实验表明本文算法正检率达94.7%.     

一种基于动态图像处理的邮件检测方法

利用动态图像处理技术,设计了一种实时处理的邮件检测算法。采用了一种快速的中值滤波算法进行降噪处理,提出了一种简洁的边界提取算法,可以快速地提取出单像素边界。然后以自适应多直线匹配的方法实现两帧图像的配准,并利用差分图像信息实现邮件图像的提取,最后计算出邮件的相关参数。仿真实验表明,该算法能有效检测出运动状态下邮件的相关参数,实时性良好。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。