本文選題：筆畫寬度變換 + 圖像處理��； 參考：《西南交通大學》2017年碩士論文

【摘要】：目前,我國迎來了高速鐵路建設的高潮,按照《中長期鐵路網規(guī)劃》我國最終形成"八橫八縱"的高速鐵路網,運營里程的增加和速度的提升使列車安全問題越來越受重視。受電弓滑板作為列車從接觸網上獲取電能的關鍵部件,在利用現有圖像處理技術監(jiān)測到其發(fā)生異常情況后,需要迅速判斷列車車號等相關信息,及時排除安全隱患并上報有關部門。使用傳統(tǒng)射頻技術識別車號無法建立與受電弓滑板狀態(tài)一一對應的關系,而利用攝像機同時采集車號圖像與受電弓滑板圖像進行車號識別達到了這樣要求,是進一步檢測受電弓故障異常狀態(tài)的基礎。本文工作是依托受電弓滑板監(jiān)測裝置來展開的,算法利用攝像機對列車側面拍攝得到的車號數據,進行車號定位、矯正、分割后,完成了高速列車車號自動識別的任務。本文主要內容如下:(1)在圖像預處理階段,使用帶彩色恢復的多尺度視網膜皮層增強算法(Multi-scale Retinex with Color Restoration,MSRCR)對數據集中部分受到天氣或者拍攝環(huán)境影響產生的過曝、過暗以及存在霧氣的圖像進行圖像增強。(2)車號精確定位過程中,針對筆畫寬度變換(Stroke Width Transform,SWT)出現計算量大、定位不準等問題,首先提前進行圖像輪廓篩選和設置最大筆畫閾值,然后進行筆畫寬度變換,最后采用形態(tài)學膨脹操作將單個字符筆畫值連接為一個車號整體進行定位。經測試,改進后的SWT變換程序運算時間比原算法縮短了約70%。(3)針對車號存在透視畸變的問題,首先分析了傳統(tǒng)基于滅點算法在本文中的不適應性,然后研究了變換不變低秩紋理(Transform Invariant Low-rank Textures,TILT)算法,建立了求解的數學模型并進行矯正,最后單個車號字符分割過程中,本文引入了一種基于字符間距的輪廓檢測均分算法。該算法對存在斷裂和粘連字符的分割正確率與普通的輪廓分割算法相比有較大的提高。(4)在單個字符識別過程中,首先對小樣本數據進行數據增強以滿足訓練網絡的需要,然后以經典LeNet_5網絡結構為參考,設計了適合本文數據的卷積神經網絡(Convolutional Neural Networks,CNN)網絡結構,采用實驗證明了網絡的合理性。最終的實驗結果表明,對11類字符分類準確率可以達到99.9%。
[Abstract]:At present, our country has ushered in the high tide of high-speed railway construction. According to the "medium and long term Railway Network Plan", our country finally formed the "eight horizontal and eight vertical" high-speed railway network. The increase of mileage and the increase of speed make the train safety problem more and more important. Pantograph slide plate is the key component of the train to obtain electric energy from the contact line. After using the existing image processing technology to monitor the abnormal situation, it is necessary to quickly judge the train number and other relevant information. Remove hidden safety troubles in time and report to relevant departments. Using the traditional radio frequency technology to identify the vehicle number can not establish a one-to-one relationship with the pantograph skateboard state, but using the camera to collect the vehicle number image and the pantograph skateboard image at the same time for the identification of the vehicle number can achieve this requirement. It is the basis of detecting the abnormal state of pantograph fault. The work of this paper is based on pantograph skateboard monitoring device. The algorithm uses video camera to obtain the vehicle number data from the side of the train to locate, correct and segment the vehicle number, and complete the task of automatic identification of the vehicle number of the high-speed train. The main contents of this paper are as follows: (1) Multi-scale Retinex with Color RestorationMSRCR (Multi-scale Retinex with Color RestorationMSRCRs) is used in the image preprocessing stage. (2) in the process of accurate location of vehicle number, the Stroke width transform SWT (Stroke width transform SWT) has the problems of large amount of calculation and inaccurate positioning. Firstly, the image contour is screened and the maximum stroke threshold is set in advance. Then the stroke width is transformed and the single character stroke value is connected to a vehicle number to locate by morphological expansion operation. After testing, the operation time of the improved SWT transform program is shortened by about 70 percent compared with the original algorithm. (3) aiming at the problem of the vehicle number with perspective distortion, this paper first analyzes the inadaptability of the traditional algorithm based on vanishing point in this paper. Then, the transform variant Low-rank texture (TILT) algorithm is studied, and the mathematical model is established and corrected. Finally, in the process of single vehicle number character segmentation, a contour detection averaging algorithm based on character spacing is introduced in this paper. Compared with the common contour segmentation algorithm, the segmentation accuracy of this algorithm is much higher than that of the common contour segmentation algorithm. (4) in the process of single character recognition, the small sample data is firstly enhanced to meet the needs of the training network. Then, a Convolutional Neural Networks (CNN) network structure suitable for the data of this paper is designed, and the rationality of the network is proved by experiments. The final experimental results show that the accuracy of classification of 11 kinds of characters can reach 99.9%.
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 陜耀;張雁橋;;圖像處理技術在鐵路車號自動識別中應用的探討[J];鐵路計算機應用;2006年07期

2 唐曼;;車號識別模擬系統(tǒng)的設計與實現[J];鐵路計算機應用;2014年01期

3 沈友敏;車號的謎中之謎[J];計算機應用研究;1989年06期

4 周文波;;車號自動識別地面裝置的設計及探究[J];電子測試;2013年09期

5 常華;;車號自動識別系統(tǒng)[J];黑龍江科技信息;2007年20期

6 張信國;車號自動識別系統(tǒng)在鐵路運輸中的應用[J];鐵道運輸與經濟;1998年05期

7 劉斌,劉　,王普,張大力;貨車車號識別的研究與應用[J];電視技術;1999年07期

8 葛莉;趙歆波;;視覺注意力機制在貨運列車車號定位中的應用[J];微電子學與計算機;2014年08期

9 王曉華,高慶吉,趙衛(wèi)平;利用模糊統(tǒng)計法識別貨運列車車號的研究[J];中國圖象圖形學報;2000年11期

10 宋立成;;鐵路車號自動識別系統(tǒng)標簽識別率的分析[J];上海鐵道科技;2011年03期

相關會議論文 前6條

1 馬振生;張長安;;鐵路車號自動識別系統(tǒng)常見故障及處理[A];第十屆中國科協(xié)年會論文集（一）[C];2008年

2 劉忠東;;鐵路車號自動識別系統(tǒng)[A];快速提升鐵路建設與裝備現代化技術促進鐵路跨越式發(fā)展——中國科協(xié)第五屆青年學術年會第九分會場論文集[C];2004年

3 張元;;鐵路車號自動識別的應用與維護[A];鐵道部信息技術中心成立30周年暨鐵路運輸管理信息系統(tǒng)（TMIS）工程全面竣工投產TMIS工程建設論文專輯（二）[C];2005年

4 王桂海;張素英;白海峰;;車號識別實時發(fā)卡程序的應用與實現[A];中國計量協(xié)會冶金分會2010年會論文集[C];2010年

5 陳飛衛(wèi);王萌;;車號自動識別及三級建庫系統(tǒng)應用中若干問題的探討[A];鐵道部信息技術中心成立30周年暨鐵路運輸管理信息系統(tǒng)（TMIS）工程全面竣工投產TMIS工程建設論文專輯（二）[C];2005年

6 李旭;;貨車管理車號刷新系統(tǒng)[A];鐵道部信息技術中心成立30周年暨鐵路運輸管理信息系統(tǒng)（TMIS）工程全面竣工投產TMIS工程建設論文專輯（二）[C];2005年

相關重要報紙文章 前9條

1 胡麗霞 崔得獎;嚴厲打擊盜用偽造軍用車號牌行為[N];天水日報;2008年

2 王斗斗;車號牌不是商品不能隨意買賣[N];法制日報;2007年

3 樵夫;拍賣特殊車號：公益掩蓋下的公權濫用[N];人民法院報;2006年

4 劉慶傳;公權部門不能為民間迷信推波助瀾[N];新華日報;2007年

5 本報記者 姜暉;浙江拍賣“吉祥車號”遭質疑[N];中國商報;2005年

6 崔威;開往春天的“雷鋒車號”[N];連云港日報;2009年

7 ;隨時隨地找到車廂[N];中國計算機報;2005年

8 記者 李鳳虎邋實習生 張金磊;鄭州新車號牌 車主自編自選[N];河南日報;2008年

9 記者 陶達嬪 實習生 黃慶海;競標熱點：“888”“999”“666”[N];南方日報;2006年

相關碩士學位論文 前6條

1 王俊曉;基于LabVIEW的貨車車號識別技術研究[D];石家莊鐵道大學;2015年

2 王欣蔚;基于深度學習的TEDS系統(tǒng)車號識別算法研究[D];北方工業(yè)大學;2016年

3 楊吉;基于圖像處理的高速列車車號識別算法研究[D];西南交通大學;2017年

4 黨華麗;列車車號自動識別系統(tǒng)研究與設計[D];河北工業(yè)大學;2007年

5 程璐;基于圖像處理的機車車號自動識別系統(tǒng)[D];南京航空航天大學;2013年

6 趙入賓;鐵路貨車車號識別的算法研究[D];河北工業(yè)大學;2011年

，

本文編號：2067630