【摘要】：近些年來,我國高速鐵路快速發(fā)展,列車運(yùn)行速度不斷加快。隨著高速鐵路列車運(yùn)行速度的大幅提高,運(yùn)營安全的保障顯得更為重要。在影響列車運(yùn)行安全的因素中,線路異物侵入限界,災(zāi)害或人為因素等導(dǎo)致的線路破壞等情況,由于其具有較強(qiáng)的隨機(jī)性,目前還沒有有效的監(jiān)測(cè)和防范方法�；谝曨l監(jiān)控的監(jiān)測(cè)方法是目前對(duì)這些情況比較有效的方法,但是目前的鐵路線路視頻監(jiān)控或基于視頻圖像的檢測(cè)系統(tǒng)大都無法做到計(jì)算機(jī)自動(dòng)識(shí)別。這主要是受目前計(jì)算機(jī)視覺技術(shù)的制約。雖然近年來計(jì)算機(jī)視覺技術(shù)有了較大的發(fā)展,但是距離其使計(jì)算機(jī)實(shí)現(xiàn)人類視覺功能的最終目標(biāo)還有很大差距。目前,借鑒生物視覺系統(tǒng)的研究成果來解決計(jì)算機(jī)視覺問題已經(jīng)成為一個(gè)研究方向。最近,在生物視覺系統(tǒng)和計(jì)算機(jī)視覺系統(tǒng)中馬爾科夫隨機(jī)場(chǎng)上的貝葉斯推斷方法都受到了廣泛重視,在計(jì)算機(jī)視覺領(lǐng)域貝葉斯推斷方法可以精確求解許多實(shí)際視覺問題,但是其求解存在困難,現(xiàn)有方法需要消耗大量時(shí)間,無法應(yīng)用于實(shí)時(shí)處理系統(tǒng)中。在生物視覺領(lǐng)域,貝葉斯推斷理論可以很好地解釋許多生物視覺的發(fā)現(xiàn),說明大腦在處理視覺信息時(shí)采用了類似的機(jī)制。并且大腦可以快速地對(duì)視覺信息進(jìn)行處理和推斷,這說明基于神經(jīng)網(wǎng)絡(luò)的并行結(jié)構(gòu)可以快速地實(shí)現(xiàn)貝葉斯推斷。但是貝葉斯推斷的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)制尚不明確�；谶@些問題本文以高速鐵路線路狀態(tài)視覺檢測(cè)為背景,針對(duì)線路狀態(tài)視覺檢測(cè)中的兩個(gè)核心問題：前景提取和立體匹配,分別提出了兩種新的基于貝葉斯推斷框架的算法。并建立了可以實(shí)現(xiàn)馬爾科夫隨機(jī)場(chǎng)上貝葉斯推斷的脈沖耦合神經(jīng)網(wǎng)絡(luò),為求解貝葉斯推斷問題和揭示生物視覺系統(tǒng)實(shí)現(xiàn)貝葉斯推斷提供一種手段。 本文首先提出了一種具有較高生物視覺相似性的求解貝葉斯推斷的神經(jīng)網(wǎng)絡(luò)模型,可以實(shí)現(xiàn)一般馬爾科隨機(jī)場(chǎng)上的貝葉斯推斷計(jì)算,稱為神經(jīng)視覺推斷模型。該網(wǎng)絡(luò)本質(zhì)上是一個(gè)脈沖耦合神經(jīng)網(wǎng)絡(luò),模型以Leaky Integrate-and-Fire (LIF)神經(jīng)元為基本單元,采用脈沖作為表示和傳遞信息的方式,神經(jīng)元之間通過脈沖進(jìn)行耦合。神經(jīng)視覺推斷模型的貝葉斯推斷的計(jì)算原理是基于“信任傳遞”算法。通過神經(jīng)網(wǎng)絡(luò)直接實(shí)現(xiàn)“信任傳遞”算法,本文研究了實(shí)現(xiàn)“信任傳遞”算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),該網(wǎng)絡(luò)包含信任神經(jīng)元和消息神經(jīng)元,分別實(shí)現(xiàn)信任和消息的計(jì)算。網(wǎng)絡(luò)采用基于平均脈沖頻率的群體編碼表示信任和消息,神經(jīng)元組之間采用固定概率的隨機(jī)群體連接。仿真實(shí)驗(yàn)表明該模型可以有效地實(shí)現(xiàn)馬爾科夫隨機(jī)場(chǎng)上的貝葉斯推斷。 其次,本文在建立神經(jīng)視覺推斷模型基礎(chǔ)上針對(duì)高速鐵路線路狀態(tài)視覺檢測(cè)中兩個(gè)核心問題：前景提取和立體匹配,分別提出了基于馬爾科夫隨機(jī)場(chǎng)上貝葉斯推斷框架的算法。在前景提取方面,本文指出了鐵路線路異物檢測(cè)的核心問題是前景提取及背景建模。進(jìn)而提出了采用貝葉斯推斷框架求解前景提取問題的方法。提出了一種新的基于馬爾科夫隨機(jī)場(chǎng)的背景建模的似然概率模型,和一種結(jié)合短期和長期背景更新機(jī)制的背景更新方法。本文利用廣泛使用的測(cè)試數(shù)據(jù)集中的視頻對(duì)算法進(jìn)行了測(cè)試并與最新發(fā)表的算法結(jié)果進(jìn)行了比較,本文提出的算法取得了較好的前景提取效果,并比目前最新算法的提取效果有所提高。在立體匹配算法方面,本文提出了一種基于馬爾科夫隨機(jī)場(chǎng)的匹配方法。該方法利用交叉皮層模型(ICM)建立似然概率模型,并利用視覺推斷模型進(jìn)行求解,模型充分利用了ICM的自動(dòng)波傳播等特性,取得了較好的匹配效果。本文采用常用的測(cè)試圖像對(duì)算法進(jìn)行了測(cè)試,結(jié)果表明本文算法可以較好地實(shí)現(xiàn)立體匹配,效果好于其它基于神經(jīng)網(wǎng)絡(luò)的立體匹配方法。 最后,本文構(gòu)建了基于上述核心算法的高速鐵路線路狀態(tài)視覺檢測(cè)系統(tǒng)。包括線路異物監(jiān)測(cè)系統(tǒng)和護(hù)欄完整性檢測(cè)系統(tǒng)。介紹了系統(tǒng)的組成、結(jié)構(gòu)和檢測(cè)方法等。給出了檢測(cè)系統(tǒng)對(duì)現(xiàn)場(chǎng)圖像的識(shí)別和處理結(jié)果,實(shí)驗(yàn)結(jié)果表明,本文提出的系統(tǒng)可以較為有效地實(shí)現(xiàn)高速鐵路線路狀態(tài)的視覺檢測(cè)。
[Abstract]:......
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP183;U298

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 秦然;;CT腦血管圖像的三維重建圖形配準(zhǔn)算法[J];電子測(cè)量與儀器學(xué)報(bào);2008年03期

2 張?jiān)茝?qiáng);張培林;王國德;;基于背景色彩和PCNN的磨粒圖像單通道分割[J];電子測(cè)量與儀器學(xué)報(bào);2012年04期

3 謝凡;秦世引;;基于SIFT的單目移動(dòng)機(jī)器人寬基線立體匹配[J];儀器儀表學(xué)報(bào);2008年11期

4 張?jiān)?張麗艷;楊博文;;基于雙目立體視覺的無線柔性坐標(biāo)測(cè)量系統(tǒng)[J];儀器儀表學(xué)報(bào);2010年07期

5 霍智勇;朱秀昌;劉天亮;;基于線性生長的區(qū)域立體匹配算法研究[J];儀器儀表學(xué)報(bào);2011年04期

，

本文編號(hào)：2458687