本文選題：計算機視覺 + 扣件檢測��； 參考：《鐵道學(xué)報》2016年08期

【摘要】：針對軌道扣件缺陷自動識別問題,提出一種基于圖像融合特征和貝葉斯壓縮感知的圖像分類識別方法。從軌道圖像中分割出扣件子圖像,并分別提取其改進的邊緣梯度特征IEOH和扣件端部的宏觀紋理特征MSLBP;利用層級加權(quán)融合將二者融合形成魯棒的、分辨力更強的IEOH_MSLBP特征;在貝葉斯壓縮感知模型的基礎(chǔ)上根據(jù)訓(xùn)練樣本構(gòu)建傳感矩陣,求解待測試樣本相應(yīng)的稀疏系數(shù)矢量,并根據(jù)系數(shù)矢量中對應(yīng)訓(xùn)練樣本類別的各元素的L2范數(shù)判定待測試扣件的狀態(tài)。實驗結(jié)果表明,使用IEOH_MSLBP特征的平均檢測準(zhǔn)確率比單獨使用IEOH、MSLBP特征分別高出5.1%、4.7%;同時,本文所提檢測方法相較于主流方法在識別率方面具有一定優(yōu)勢,可為鐵路扣件自動化巡檢提供重要技術(shù)借鑒。
[Abstract]:An image classification and recognition method based on image fusion features and Bayesian compression perception is proposed for automatic recognition of track fastener defects. The subimage of fastener is segmented from the track image, and the improved edge gradient feature IEOH and the macro texture feature of the end of the fastener are extracted, respectively, and the hierarchical weighted fusion is used to fuse the two images into a robust and more discriminant IEOH_MSLBP feature. Based on the Bayesian compressed perception model, the sensor matrix is constructed according to the training sample, and the sparse coefficient vector of the sample under test is solved. The state of the fastener to be tested is determined according to the L2 norm of each element corresponding to the training sample class in the coefficient vector. The experimental results show that the average detection accuracy of using IEOH_MSLBP features is 5.1 / 4.7 higher than that of IEOH_MSLBP / MSLBP features alone. At the same time, the detection methods proposed in this paper have some advantages over the mainstream methods in the recognition rate. It can provide important technical reference for automatic inspection of railway fastener.
【作者單位】： 西南交通大學(xué)機械工程學(xué)院;
【基金】：國家自然科學(xué)基金(51275431) 四川省科技支撐計劃(2012GZ0102,2014GZ0005) 2014年西南交通大學(xué)博士創(chuàng)新基金
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 高美真;姜曉峰;;人類視覺與計算機視覺的比較[J];焦作師范高等�？茖W(xué)校學(xué)報;2007年01期

2 徐光yP;;以人為中心的計算機視覺應(yīng)用[J];中國圖象圖形學(xué)報;2009年02期

3 韓紅;焦李成;;談計算機視覺課程的教學(xué)創(chuàng)新[J];計算機教育;2010年19期

4 王振華;胡占義;;2011國際計算機視覺大會簡介[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2012年02期

5 劉兵;;關(guān)于計算機視覺成像的研究分析[J];煤炭技術(shù);2013年06期

6 顧偉康;計算機視覺學(xué)的發(fā)展概況[J];浙江大學(xué)學(xué)報;1986年04期

7 蔡愉祖;計算機視覺概述[J];系統(tǒng)工程與電子技術(shù);1986年01期

8 戰(zhàn)德臣;陳景春;李仲榮;;計算機視覺研究的一種分布式專家系統(tǒng)模型[J];航天控制;1989年02期

9 趙榮椿;計算機視覺——未來測控技術(shù)中的重要角色[J];測控技術(shù);1992年01期

10 周國清,唐曉芳;計算機視覺及其應(yīng)用[J];中國計算機用戶;1996年08期

相關(guān)會議論文 前10條

1 宋小華;歐陽丹彤;;時空推理在計算機視覺的應(yīng)用[A];2006年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2006年

2 謝麗欣;牟會;王歡;劉明霞;;基于計算機視覺的人臉檢測與識別綜述[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

3 田涌濤;洪錫軍;王有慶;李從心;;計算機視覺在先進制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計的基礎(chǔ)技術(shù)——2001年中國機械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

4 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計算機視覺的荔枝檢測與分級方法[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

5 王劃一;王效良;;計算機視覺在絎縫機自動編程及控制中的應(yīng)用[A];第二十屆中國控制會議論文集（下）[C];2001年

6 張慶敏;于龍;;計算機視覺在接觸網(wǎng)定位器坡度識別中的應(yīng)用[A];高速鐵路接觸網(wǎng)零部件安全可靠性技術(shù)論文集[C];2013年

7 閆曉霞;程蔭杭;;計算機視覺中圖像采集平臺的開發(fā)[A];全國ISNBM學(xué)術(shù)交流會暨電腦開發(fā)與應(yīng)用創(chuàng)刊20周年慶祝大會論文集[C];2005年

8 趙龍;李鐵軍;;基于計算機視覺的運動目標(biāo)三維可視化導(dǎo)航[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

9 王樹文;張長利;房俊龍;;基于計算機視覺的田間雜草識別研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文集第三分冊[C];2005年

10 趙軍;馮海萍;孔明;;計算機視覺百分表自動檢定算法研究[A];高精度幾何量光電測量與校準(zhǔn)技術(shù)研討會論文集[C];2008年

相關(guān)重要報紙文章 前2條

1 ;生活中的計算機視覺[N];中國計算機報;2006年

2 記者 常麗君;新軟件能“預(yù)測”你各年齡段長相[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 王強;基于幾何代數(shù)的計算機視覺問題研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 王任大;基于計算機視覺的手勢交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

3 孔明;顆粒粒徑和形態(tài)計算機視覺測量方法研究[D];東南大學(xué);2005年

4 劉釗;基于計算智能的計算機視覺及其應(yīng)用研究[D];武漢科技大學(xué);2011年

5 李慶中;蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D];中國農(nóng)業(yè)大學(xué);2000年

6 謝存;計算機視覺中若干問題實現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

7 柴阿麗;基于計算機視覺和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D];中國農(nóng)業(yè)科學(xué)院;2011年

8 王習(xí)文;光電經(jīng)緯儀跟蹤飛機的3D計算機視覺研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2010年

9 尹宏鵬;基于計算機視覺的運動目標(biāo)跟蹤算法研究[D];重慶大學(xué);2009年

10 趙顏利;計算機視覺三維重建若干技術(shù)研究[D];南京理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 余饒東;基于腦波與計算機視覺的注意力檢測技術(shù)在E-Learning中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 李想;基于計算機視覺的花卉分級系統(tǒng)研究[D];天津理工大學(xué);2015年

3 吳林林;基于計算機視覺的皮革測配色研究[D];陜西科技大學(xué);2015年

4 龍怡霖;基于計算機視覺的雜草種子鑒別[D];西北農(nóng)林科技大學(xué);2015年

5 王碩;基于計算機視覺的大菱鲆魚苗計數(shù)方法研究[D];太原科技大學(xué);2015年

6 王云;基于EEG與計算機視覺的人臉檢索閉環(huán)系統(tǒng)[D];浙江大學(xué);2016年

7 李佳慧;基于單目攝像頭的指尖檢測算法和應(yīng)用[D];吉林大學(xué);2016年

8 馬森晨;基于計算機視覺的大空間消防機器人[D];福州大學(xué);2014年

9 趙宇宙;基于計算機視覺的石油桶桶口識別技術(shù)[D];吉林大學(xué);2015年

10 姜楠;攝影測量計算機視覺在工業(yè)測量中的關(guān)鍵技術(shù)[D];西安科技大學(xué);2008年

，

本文編號：1804421