基于改进马尔可夫随机场的钢轨缺陷自动分割方法
发布时间：2022-02-24 12:07
随着高速铁路行车密度增加、运行速度提高以及重载货运线路载重增加,钢轨的负荷、受到挤压及冲击程度增大,钢轨故障和伤损发生的概率增大,钢轨的伤损类型和失效模式也在发生变化,进而对传统钢轨检测和检测技术带来了挑战,因此铁路钢轨缺陷伤损检测对铁路基础设施的保障维护具有重要意义。机器视觉技术具有非接触、速度快、精度高、抗干扰性强等优点,已被广泛应用于钢轨表面缺陷检测中,文中对钢轨缺陷的视觉技术展开研究,提出了基于改进马尔可夫随机场的钢轨缺陷分割方法。论文首先结合钢轨缺陷分割的目标,设计了钢轨缺陷分割系统的总体方案,对图像采集模块的成像系统、照明系统、运动平台等进行了硬件选型,完成了高质量的图像采集。根据基于机器视觉的钢轨表面缺陷检测系统的要求,给出了钢轨缺陷检测算法的基本流程。其次,利用改进的BM3D算法对采集的钢轨图像进行去燥,消除了钢轨图像获取过程中的原始噪声。分析了钢轨图像各区域灰度特征,利用轨面区域和非轨区域灰度的差异特点,提出了基于垂直投影的钢轨区域提取算法,实现了钢轨区域的提取。然后,通过研究图像灰度分布特征,结合背景差分法对图像灰度进行预处理,以保持图像灰度基本一致,增强缺陷特征。...
【文章来源】：长沙理工大学湖南省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题的背景及意义
1.2 国内外研究现状
1.3 机器视觉钢轨表面缺陷检测的难点
1.4 论文的主要工作
第二章 钢轨表面缺陷检测系统设计
2.1 系统设计目标
2.2 系统总体方案
2.3 系统硬件结构设计
2.3.1 成像系统
2.3.2 照明系统
2.3.3 运动平台
2.4 系统软件流程设计
2.5 本章小结
第三章 钢轨区域提取与图像预处理算法
3.1 图像滤波
3.2 钢轨区域提取
3.2.1 钢轨区域提取方法简述
3.2.2 基于垂直投影的钢轨区域提取算法
3.2.3 钢轨区域提取实验结果
3.3 图像预处理
3.3.1 基于背景差分的图像预处理
3.3.2 实验结果
3.4 本章小结
第四章 基于改进MRF的钢轨缺陷自动分割算法
4.1 常用的钢轨缺陷分割方法
4.1.1 模糊C均值算法
4.1.2 高斯混合模型算法
4.2 基于改进MRF的钢轨缺陷分割算法
4.2.1 模糊集理论
4.2.2 马尔可夫随机场理论
4.2.3 基于改进MRF的钢轨缺陷分割算法
4.3 实验结果与分析
4.3.1 实验设置
4.3.2 缺陷分割评价指标
4.3.3 实验分析与比较
4.4 本章小结
结论
参考文献
致谢
附录A 攻读硕士学位期间完成的论文及获得的专利
附录B 攻读硕士学位期间获得的奖励
附录C 攻读硕士学位期间参与的项目
【参考文献】：
期刊论文
[1]基于核函数与马氏距离的FCM图像分割算法[J]. 王燕,亓祥惠,段亚西. 计算机应用研究. 2020(02)
[2]激光点源与线源激发表面波与钢轨缺陷作用的有限元仿真和实验[J]. 隋皓,高晓蓉,罗林,朱宏娜,钟云杰. 激光与光电子学进展. 2019(08)
[3]基于改进BM3D算法的椒盐噪声去噪[J]. 肖佳,张俊华,梅礼晔. 计算机工程与应用. 2018(21)
[4]基于欧氏空间距离的加强模糊C均值聚类方法[J]. 张永芳,王小鹏,马鹏,麻文刚. 传感器与微系统. 2018(09)
[5]基于动态粒子群优化与K-means聚类的图像分割算法[J]. 李立军,张晓光. 现代电子技术. 2018(10)
[6]基于曲率滤波和改进GMM的钢轨缺陷自动视觉检测方法[J]. 张辉,金侠挺,Wu Q.M.Jonathan,贺振东,王耀南. 仪器仪表学报. 2018(04)
[7]钢轨轨头浅表面缺陷的空气耦合超声导波检测[J]. 常俊杰,李媛媛,李光亚. 无损检测. 2018(03)
[8]基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法[J]. 耿艳萍,郭小英,王华夏,陈磊,李雪梅. 计算机科学. 2017(12)
[9]基于轨面适应承载机构的钢轨表面缺陷的漏磁检测[J]. 白坚,王平,邹朋朋. 无损检测. 2017(11)
[10]钢轨表面缺陷图像自适应分割算法[J]. 闵永智,岳彪,马宏锋,程天栋,肖本郁. 北京工业大学学报. 2017(10)
博士论文
[1]基于超声导波的钢轨轨底无损检测关键技术研究[D]. 胡剑虹.浙江大学 2014
硕士论文
[1]基于图像处理的钢轨表面缺陷检测与定位研究[D]. 李晓梅.兰州交通大学 2018
[2]基于激光超声技术的钢轨表面及亚表面缺陷检测研究[D]. 钟云杰.西南交通大学 2018
[3]面向钢轨踏面斜裂纹伤损的脉冲涡流检测方法研究[D]. 彭谢丹.浙江大学 2018
[4]轨检图像中钢轨表面缺陷分析与识别[D]. 程天栋.兰州交通大学 2017
[5]基于BM3D的图像去噪算法研究[D]. 张哲熙.西安电子科技大学 2017
[6]机器视觉轨道缺陷检测成像系统的研究[D]. 张丛.南昌大学 2017
[7]基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学 2017
[8]轨道缺陷自动检测系统的图像处理技术研究[D]. 吴梦.西南交通大学 2013
[9]铁轨表面缺陷的视觉检测算法研究[D]. 唐湘娜.湖南大学 2013
[10]钢轨高速电磁巡检下的涡流效应及补偿研究[D]. 柳杰.南京航空航天大学 2012
本文编号：3642692
【文章来源】：长沙理工大学湖南省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题的背景及意义
1.2 国内外研究现状
1.3 机器视觉钢轨表面缺陷检测的难点
1.4 论文的主要工作
第二章 钢轨表面缺陷检测系统设计
2.1 系统设计目标
2.2 系统总体方案
2.3 系统硬件结构设计
2.3.1 成像系统
2.3.2 照明系统
2.3.3 运动平台
2.4 系统软件流程设计
2.5 本章小结
第三章 钢轨区域提取与图像预处理算法
3.1 图像滤波
3.2 钢轨区域提取
3.2.1 钢轨区域提取方法简述
3.2.2 基于垂直投影的钢轨区域提取算法
3.2.3 钢轨区域提取实验结果
3.3 图像预处理
3.3.1 基于背景差分的图像预处理
3.3.2 实验结果
3.4 本章小结
第四章 基于改进MRF的钢轨缺陷自动分割算法
4.1 常用的钢轨缺陷分割方法
4.1.1 模糊C均值算法
4.1.2 高斯混合模型算法
4.2 基于改进MRF的钢轨缺陷分割算法
4.2.1 模糊集理论
4.2.2 马尔可夫随机场理论
4.2.3 基于改进MRF的钢轨缺陷分割算法
4.3 实验结果与分析
4.3.1 实验设置
4.3.2 缺陷分割评价指标
4.3.3 实验分析与比较
4.4 本章小结
结论
参考文献
致谢
附录A 攻读硕士学位期间完成的论文及获得的专利
附录B 攻读硕士学位期间获得的奖励
附录C 攻读硕士学位期间参与的项目
【参考文献】：
期刊论文
[1]基于核函数与马氏距离的FCM图像分割算法[J]. 王燕,亓祥惠,段亚西. 计算机应用研究. 2020(02)
[2]激光点源与线源激发表面波与钢轨缺陷作用的有限元仿真和实验[J]. 隋皓,高晓蓉,罗林,朱宏娜,钟云杰. 激光与光电子学进展. 2019(08)
[3]基于改进BM3D算法的椒盐噪声去噪[J]. 肖佳,张俊华,梅礼晔. 计算机工程与应用. 2018(21)
[4]基于欧氏空间距离的加强模糊C均值聚类方法[J]. 张永芳,王小鹏,马鹏,麻文刚. 传感器与微系统. 2018(09)
[5]基于动态粒子群优化与K-means聚类的图像分割算法[J]. 李立军,张晓光. 现代电子技术. 2018(10)
[6]基于曲率滤波和改进GMM的钢轨缺陷自动视觉检测方法[J]. 张辉,金侠挺,Wu Q.M.Jonathan,贺振东,王耀南. 仪器仪表学报. 2018(04)
[7]钢轨轨头浅表面缺陷的空气耦合超声导波检测[J]. 常俊杰,李媛媛,李光亚. 无损检测. 2018(03)
[8]基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法[J]. 耿艳萍,郭小英,王华夏,陈磊,李雪梅. 计算机科学. 2017(12)
[9]基于轨面适应承载机构的钢轨表面缺陷的漏磁检测[J]. 白坚,王平,邹朋朋. 无损检测. 2017(11)
[10]钢轨表面缺陷图像自适应分割算法[J]. 闵永智,岳彪,马宏锋,程天栋,肖本郁. 北京工业大学学报. 2017(10)
博士论文
[1]基于超声导波的钢轨轨底无损检测关键技术研究[D]. 胡剑虹.浙江大学 2014
硕士论文
[1]基于图像处理的钢轨表面缺陷检测与定位研究[D]. 李晓梅.兰州交通大学 2018
[2]基于激光超声技术的钢轨表面及亚表面缺陷检测研究[D]. 钟云杰.西南交通大学 2018
[3]面向钢轨踏面斜裂纹伤损的脉冲涡流检测方法研究[D]. 彭谢丹.浙江大学 2018
[4]轨检图像中钢轨表面缺陷分析与识别[D]. 程天栋.兰州交通大学 2017
[5]基于BM3D的图像去噪算法研究[D]. 张哲熙.西安电子科技大学 2017
[6]机器视觉轨道缺陷检测成像系统的研究[D]. 张丛.南昌大学 2017
[7]基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学 2017
[8]轨道缺陷自动检测系统的图像处理技术研究[D]. 吴梦.西南交通大学 2013
[9]铁轨表面缺陷的视觉检测算法研究[D]. 唐湘娜.湖南大学 2013
[10]钢轨高速电磁巡检下的涡流效应及补偿研究[D]. 柳杰.南京航空航天大学 2012
本文编号：3642692
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3642692.html
