基于目標(biāo)輪廓特征的圖像識別及列車轉(zhuǎn)向架故障檢測.pdf

1、列車(包括快車、動車及高鐵)是客運(yùn)和貨運(yùn)的主要交通工具之一,由于現(xiàn)代工業(yè)和科學(xué)技術(shù)的飛速發(fā)展,其規(guī)模和復(fù)雜性日益提高,一旦列車發(fā)生故障,將會引起人力、物力甚至人身安全的巨大損失,因此世界上許多國家都投入了大量的人力、物力和財(cái)力對列車進(jìn)行故障診斷和狀態(tài)監(jiān)測,基于光學(xué)圖像的列車故障識別和診斷已經(jīng)成為了當(dāng)今研究熱點(diǎn)和重點(diǎn)之一。目標(biāo)識別和形狀匹配是圖像處理、模式識別和計(jì)算機(jī)視覺的研究熱點(diǎn)和難點(diǎn),廣泛應(yīng)用于日常生活、工業(yè)應(yīng)用和軍事活動中的各個領(lǐng)域

2、。本論文基于目標(biāo)輪廓的形狀表示和匹配進(jìn)行了圖像處理算法研究,并將其應(yīng)用于列車最重要的行走部件——轉(zhuǎn)向架的故障診斷和識別,全文主要研究內(nèi)容如下:
　　研究了列車轉(zhuǎn)向架光學(xué)圖像的預(yù)處理。對國內(nèi)外關(guān)于數(shù)字圖像邊緣檢測技術(shù)的研究和現(xiàn)狀進(jìn)行了系統(tǒng)的總結(jié)和分析,首先詳細(xì)介紹了基于一階和二階微分算子的邊緣檢測算法,包括Roberts、Sobel、Prewitt和Canny算子,研究各自算法原理,分析其各自適用范圍和優(yōu)缺點(diǎn)。然后介紹了基于多尺度小

3、波變換的邊緣檢測算法,包括小波變換的基本原理和小波邊緣檢測的算法步驟,并分析其適用范圍和優(yōu)缺點(diǎn)。
　　研究了基于PCA-SC全局特征算法的目標(biāo)識別算法。為了實(shí)現(xiàn)形狀匹配和目標(biāo)識別的快速性和抗噪性,基于形狀上下文(Shape Contexts, SC)算法,融合了主成分分析(PCA)降維思想,提出一種PCA-SC算法。算法思想是將SC算法獲取的特征矩陣構(gòu)成協(xié)方差矩陣,按照特征值由大到小的準(zhǔn)則進(jìn)行降維,形成新的特征矩陣用于匹配和識別,

4、既抑制了噪聲干擾,提高了識別準(zhǔn)確率,又能夠提高匹配速度,易于滿足工程應(yīng)用上的實(shí)時(shí)性要求。通過對MNIST圖像數(shù)據(jù)庫中的圖像進(jìn)行實(shí)驗(yàn)分析表明PCA-SC算法在保持了SC算法原有的定位準(zhǔn)確、抑制噪聲等優(yōu)點(diǎn)的基礎(chǔ)上,識別速度提高了一倍,準(zhǔn)確率達(dá)到了96.15％,提高了約0.5％,抗噪性更強(qiáng)。
　　研究了基于分層描述(Hierarchical Representation)和彈性匹配(Flexible Matching)的目標(biāo)識別和形狀檢

5、索算法。有效的目標(biāo)輪廓分段和形狀匹配算法是描述目標(biāo)局部特征和相似度表征的關(guān)鍵環(huán)節(jié)。針對現(xiàn)有輪廓描述算法存在輪廓分段不合理的問題,本文基于認(rèn)知心理學(xué),提出了分層描述的輪廓描述算法;同時(shí)基于輪廓分段的長度、凹凸度和彎曲性等幾何特征,提出了彈性匹配的相似度表征算法。整個算法思想是首先根據(jù)角點(diǎn)特征將整個輪廓劃分成一些輪廓分段,接著對輪廓分段的分布特點(diǎn)提出價(jià)值尺度,然后將多級輪廓分段按照價(jià)值尺度原則合并得到有限個能夠完整描述目標(biāo)輪廓的特征分段,最

6、后將特征分段應(yīng)用到彈性匹配相似度檢測模型中進(jìn)行目標(biāo)識別。通過對MPEG-7和Kimia圖像數(shù)據(jù)庫中的圖像進(jìn)行實(shí)驗(yàn)分析表明該算法能夠完整描述目標(biāo)圖像的形狀特征,提高了目標(biāo)識別率和形狀檢索率,并對部分遮擋的目標(biāo)也具有良好的魯棒性?；緷M足目標(biāo)識別識別和形狀檢索對準(zhǔn)確率、穩(wěn)定性、抗遮擋能力等方面的要求。
　　將本文研究的理論方法應(yīng)用于列車轉(zhuǎn)向架故障檢測和識別的實(shí)際工程應(yīng)用中,一方面驗(yàn)證該理論成果的可行性,另一方面也實(shí)現(xiàn)了列車轉(zhuǎn)向架故障的