赵洁[1]2015年在《基于多传感器信息融合的轨道缺陷在线检测方法的研究》文中进行了进一步梳理铁路作为国家重要的基础设施和大众化的交通工具,对推动国民经济的发展起着至关重要的作用。随着铁路技术不断向“客运高速、货运重载、行车高密度”的目标发展,列车重量的增加、轮轨作用力的增大以及轨道使用频度的加大致使轨道损伤速度加快而产生缺陷。轨道缺陷的出现不仅影响列车正常平稳运行,导致乘客舒适度下降,严重时还会引起列车脱轨、倾覆等恶性事故,危及列车安全。因此,为适应高速铁路的健康快速发展需求,保障列车安全平稳地运营,加强对轨道缺陷的检测意义重大。然而,现有的轨道缺陷检测方法多数以单传感器信息为研究对象,存在局限性和片面性,难以高效、可靠地实现轨道缺陷检测。为此,本文提出了基于多传感器信息融合的轨道缺陷在线检测方法,可在列车运行的同时,更好地实现轨道缺陷的在线判断、定位以及识别,弥补了现有以单传感器信息为研究对象的轨道缺陷检测方法的不足。为弥补对单个传感器信息研究的不足,产生更加适用于振动信号处理技术和图像处理技术来提取轨道缺陷特征信息的高质量数据,论文研究了车辆-轨道耦合系统的故障类型及特征,并结合车辆-轨道耦合系统关键结构参数,以多传感器信息融合为导向,对传感器选型、布局和组网方案进行了研究,构建出了面向单类型多传感器信息融合的轨道缺陷检测模型和面向多类型多传感器信息融合的轨道缺陷检测模型。为克服对单个传感器信息研究的有限性和片面性,在面向单类型多传感器信息融合的轨道缺陷检测模型的基础上,充分挖掘同类型各传感器间信息的耦合性,提出了一种基于空域信息重构的轨道缺陷检测方法,通过多传感器信息预处理、信息对齐平移、能量增强迭加等处理过程重新构建空域冲击,进行数据级信息融合,将表征轨道缺陷的非周期冲击信号成分转化为局部空域内具有周期冲击特性的重构数据,再通过现代时频分析方法实现对轨道缺陷的检测。仿真分析与应用研究表明,该方法可大幅提高列车振动信号的信噪比,重构出具有局部周期特性的轨道缺陷特征,能更准确、可靠地实现基于振动信号处理技术的轨道缺陷的判断和定位。为剔除干扰信息,凸显轨道缺陷特征信息,在面向单类型多传感器信息融合的轨道缺陷检测模型的基础上,充分挖掘同类型各传感器间信息的关联性,提出了一种基于冲击二维重构的轨道缺陷检测方法,通过对相关性较大的多传感器信息进行平移时频分析以获取频谱图,通过对频谱图的图像重构进行特征级数据融合,以去除噪声背景信号,匿影部分周期性冲击信号,从而剔除列车走行部固有振动信息以及噪声干扰信息,将表征轨道缺陷的非周期冲击信号成分转化为局部空域内具有周期冲击特性的重构数据并加以凸显,进而实现对轨道缺陷特征信息的提取。仿真分析与应用研究表明,该方法可有效去除噪声背景信号,部分剔除列车和轨道所引起的周期性振动冲击特征,重构并凸显出具有局部周期特性的轨道缺陷特征,能更直观、准确、可靠地实现基于振动信号处理技术的轨道缺陷的判断和定位。为规避对单类型传感器信息研究的局限性,在面向多类型多传感器信息融合的轨道缺陷检测模型的基础上,充分挖掘多类型各传感器间信息的关联性,提出了一种基于振动冲击引导技术的轨道表面局部缺陷检测方法,通过振动冲击传感器捕获的振动信息进行轨道缺陷的初步检测,并利用提取出的轨道缺陷特征信息引导图像传感器定点采集图像,再对图像进行分析处理,最终进行决策级信息融合以实现轨道表面局部缺陷的精确判断。理论研究和仿真分析表明,该方法可充分发挥振动信号分析技术和图像处理技术各自的优点,能更高效、可靠地实现轨道表面局部缺陷的判别、定位以及识别。最后,为将研究成果产品化,聚焦实现多传感器信息融合算法,以软件开发为主,研制了基于多传感器信息融合的轨道缺陷检测系统。本文研究结论表明,基于多传感器信息融合的轨道缺陷在线检测方法,弥补了基于单传感器信息的振动信号分析的片面性,可更准确、可靠、直观地实现轨道缺陷的判断和定位,规避了图像处理技术需覆盖全程采集图像的局限性,可更高效、可靠地实现轨道缺陷的判断、定位和识别,是一种有效的轨道缺陷在线检测方法。
孙先达[2]2002年在《图像分析处理技术研究及应用》文中进行了进一步梳理数字图像处理技术是发展起来的一门新的学科，它通过电子设备把目标图像进行数字化，从而可以对目标图像进行分析、统计、识别、处理等操作。并以分析快速和高精度在各个领域得到了应用。且逐渐呈现出两大趋势：图像分析处理手段的多样化与专业化。在石油地质分析领域中有大量的数据分析和薄片鉴定与图像紧密相关，为此我们提出了数字图像技术在石油地质分析中应用的观点。介绍了图像分析仪和激光共聚焦(CLSM)的构造、工作原理。图像分析处理技术系列的构成、二次开发及其特点；结合石油地质分析的实际情况；对图像处理、图像分析、数字压缩技术和图像拼接技术进行了研究，并在储层评价、生物地层及叁次采油研究中的进行了应用，以及讨论了CLSM在古生物学领域的应用。本文通过对图像分析仪、共聚焦显微镜的研究，深入浅出地探讨了图像处理技术、图像分析技术、图像压缩技术、图像拼接技术、叁维重建技术。并成功地在松辽、海拉尔等十几个盆地或地区开展了储层评价、生物地层和乳化油方面的分析检测与应用研究工作。在实施推广应用过程中，针对原有图像仪存在的问题，对各单项技术进行了改进和完善，并相继开发了微观真彩色普光数字照相技术、荧光数字照相技术、数字拼图技术、乳化油涂片分析技术，引用了数字图像处理技术、图像压缩技术。解决了微观大孔隙不能全分析及微观全貌不能直观展示的问题；为确定乳化液类型、乳化液粒径分布、乳化液的稳定性等提供了定量指标，这对开展原油乳化机理研究，进而探讨原油乳化时机对提高采收率的影响具有十分重要的意义。 图像分析处理技术的成功开发与应用，为实验地质形貌处理向微机化、智能化、定量化奠定了基石，为科学、高效解决以往实验地质研究中遗留的一些疑难问题提供了有力手段。
刘继承[3]2007年在《基于数字图像处理技术的水稻长势监测研究》文中研究指明依据水稻的生长状态信息对其生长因素进行控制，对于最大限度地节约能源并使水稻高产具有重要意义。针对传统的人工观察法效率低下且观察结果主观性强；遥感监测、远程监测等方法受观测范围所限且不适合单个农场实时快速、小面积监测等不足，本文提出利用图像处理技术对所拍摄到的水稻图像进行分析处理，并据此获取水稻的生长状态，进而实现对水稻长势进行监测。本文通过在南京浦口农场水稻田进行实地实验，利用数码相机获取水稻图像并建立了相应的图像处理方法。论证了依据单株水稻图像形态参数的提取来判断水稻长势状况的可行性，并据此法分别探讨研究了几个主要生育期群体水稻的叶面积及叶面积指数与实测的叶面积及叶面积指数间的相互关系模型。主要的研究内容如下：针对单株水稻图像叶尖部位不易分割出的特点，本文提出了采用局部灰度线性变换来对水稻图像实行增强处理；单株水稻图像细化过程中出现的毛刺现象在文中也采用了较好的处理方法进行去除；此外，比较了中值滤波法的几种滤波窗口对水稻群体图像的去噪效果，最终选用十字型中值滤波法去除图像采集过程中受到的各种噪声干扰；提出用颜色特征法对水稻群体图像进行叶片图像和背景的分割。株高、叶尖距以及叶基角是叁个表征水稻长势的主导因素，而这些参数只通过图像处理可以比较容易、精确的获取，所以采用这叁个参数作为图像处理技术对水稻长势监测的重要指标。而对于叶尖距，无论是运用手工测量方法还是图像处理方法对其测量，均不能用单个叶尖距的数值大小进行水稻长势状况优劣的判断，需要统计其平均叶尖距，并将其作为判断水稻长势优劣的依据。由于叶面积指数是作物长势诊断的主要参数，本文分析了9746水稻在不同生长期的叶面积指数的变化规律，并建立了图像叶面积指数与实际叶面积间的叶面积指数模型。通过检验后发现由模型得出的长势监测指标叶面积指数和真实叶面积指数的差异性不显着，故本文认为可以通过运用叶面积指数模型来获取植株的生长信息。综上所述，本文认为应用图像处理技术来获取水稻植株长势特征的方法是可行的。
孙碧亮[4]2006年在《基于机器视觉的检测算法研究及其在工业领域的应用》文中指出随着工业界对产品质量要求的提高,机器视觉作为一门新兴学科,越来越广泛地应用在工业检测领域。对于质量检测系统,要求日益严格,低成本、易操作、高精度、以及良好的实时性将是其发展方向。本文对印刷品和玻璃产品缺陷形式及其成因进行了分析和归纳,研究了基于机器视觉的产品质量检测的预处理算法、缺陷特征提取与分类方法。首先,本文结合检测系统特点,从数据流、信息流、控制流等方面研究了检测系统的软件构成,设计了图像预处理、特征提取、缺陷分类的工作流程。在分析印刷品外观质量缺陷种类的基础上,本文设计了简单模板匹配算法,对印刷品失真图像进行快速纵横向配准。提出了Sobel算子提取标准图像轮廓,一次差影分割拉伸变形和缺陷,二次差影分割缺陷的快速预处理算法,能实时有效地分割出各种印刷缺陷。另外,根据玻璃生产实际,采用计算平均灰度及阈值分割方法设计了边缘查找算法,并据此计算玻璃正压距及实际板宽。最后分析了玻璃缺陷图像,提出正负差影分割算法。根据印刷品缺陷特点,提出线块特征,并设计相应的简单分类方法。由于玻璃缺陷的分割带来许多伴生伪缺陷和虚假缺陷,本文分析了这些缺陷的种类及成因,提出以圆形度为主的形状特征和以畸变为主的邻域特征作为区分依据,并设计了相应的特征提取算法和分类决策树,制定二次分级标准。上述算法已应用于武汉市红金龙印务公司高速印刷品在线检测系统和武汉市长利公司浮法玻璃在线检测系统中。经使用证明,算法合理有效,满足要求。
赵熹[5]2008年在《基于图像处理技术的缺陷智能检测技术研究及应用》文中认为随着计算机技术的飞速发展,计算机辅助评片已经成为射线检测领域重要的发展方向。目前,铝轮毂的射线检测评片主要是由人工完成的,其检测的效率比较低。本课题开发了一套铝轮毂缺陷的智能检测系统,该系统具有图像处理软件的基本功能,而且能够实现对有无缺陷、缺陷个数的检测;能够对缺陷的特征参数进行计算,并实现对缺陷级别的判定。首先根据检测的需要设计了一套硬件系统,该系统可以实现工业电视的功能。在软件部分设计了五大模块:图像采集模块,数据库模块,图像处理与分析模块,缺陷提取模块,缺陷特征分析模块。首先进行图像采集,采集到的图像可以直接存入数据库。数据库采用了SQL Server 2000和ADO接口技术进行设计。数据库具有存储量大,查找快速的特点。图像分析处理主要包括了:图像降噪,灰度变换,图像锐化,边缘检测等功能。对于图像存在的噪声,根据其特点,分别采用了多帧迭加平均法和中值滤波方法进行处理。并对中值滤波进行了改进,达到了比较好的效果;对于对比度不高的问题,采用线性变换、对数变换等方法,对图像进行了增强;对于模糊的图像,在分析其原因的基础上,采用了辅以阈值判断的梯度锐化。本文还在分析传统边缘提取算法的基础上,把一种基于SUSAN算子的边缘提取应用到轮毂图像中,取得了理想的效果。在缺陷提取部分,经过试验发现直接对轮毂图像进行分割得到的效果不理想。在分析其原因的基础上,提出了基于ROI的缺陷提取技术和基于形态学的提取技术。缺陷的检测主要是根据连通区域的特性,采用了一种标号处理的方法实现。在缺陷的特征提取部分,针对铝轮毂缺陷的特点选取了周长、面积、圆形度和重心四个参数作为缺陷的特征参数。还在参考相关铸件缺陷评判标准的基础上,给出了缺陷级别判定依据,使本系统能够完成对缺陷级别的判定。最后,把基于ROI的缺陷检测方法和基于形态学的缺陷检测方法进行了实现,并给出了二者的适用范围。
郑俊[6]2007年在《基于图像识别的钢水连铸下渣检测方法的研究》文中认为中国钢铁产业的迅猛发展对钢铁生产的质量及自动化程度都提出了更高的要求。本文以武钢某连铸线的大包下渣检测环节为研究对象，针对其工作环境恶劣但在生产中具有重要地位的情况，通过大量理论调研和现场分析，根据现场采用的人工观察法，提出了一套具有实时下渣检测和离线图像分析功能的钢水连铸下渣检测方案，并实现了系统的具体设计。结合钢铁连铸现场环境和实际需求，采用了具有可行性的图像增强方案及图像特征提取方案，并分别从理论上对下渣检测系统中采用到的对比度增强、图像平滑、图像锐化进行阐述，同时详细分析了基于色彩、纹理和形态特征的下渣特征提取技术。最后分别给出软件中各图像分析方法的算法实现，并利用现场图片进行图像分析实验。基于图像识别的钢水连铸下渣检测系统分为两大部分：基于工业摄像机的图像采集系统和基于PC的下渣检测软件系统。图像采集系统与PC软件之间利用以太网进行视频数据传输及采集参数控制。系统通过摄像机对中间包钢水液面视频图像进行实时采集并传输，利用检测软件对视频图像进行定时抓取、增强、多种方式的特征提取及分析，来判断大包是否下渣；同时对图像进行保存，利用软件的离线图像分析功能对图像进行分析，对决策模块进行参数优化。论文详细阐述了PC端下渣检测软件系统的实现，分别从多线程控制、文件存取操作及图像分析方法上指出了软件设计的技术要点，详细分析了软件模块的划分、各模块子系统的实现及模块与缓存区的相互访问关系，并展示了软件运行的主流程图及运行效果图。本文最后对完成本系统所做工作进行了总结，并对将来的工作进行了展望。
邢明[7]2016年在《基于数字图像处理的草坪场景分析算法研究》文中指出城市绿化一直是城市基础规划建设非常重要的组成部分,伴随着城市建设的飞速提升,城市草坪面积日趋增长,并且草坪情况也趋向复杂。智能割草机器人是替代人们完成草坪维护的现代化科技工具。面对日趋增长的城市草坪面积,智能割草机器人的工作能力急需改进。通过对草坪场景图像进行分析处理为智能割草机器人提升工作能力是一种有效思路,也是智能割草机器人完成自主导航与环境探索等任务的基础。本文在这样的背景下以数字图像处理技术为基础,对草坪场景分析算法进行研究,并且在VS2010环境下,结合OpenCV类库进行算法的实现与验证。本文主要的研究内容如下:1、研究了现有的图像分析算法的基本概念及其实现方法,并将现有的图像处理相关技术应用于草地场景分析。2、提出一种基于SIFT和SUSAN融合的草地障碍物特征点自动匹配算法。已知的SIFT算法是一种具有尺度不变特性的特征提取算法,但是对草地障碍物的特征提取容易受到草地纹理特征的干扰;而SUSAN是一种对于图像的角点和边缘特征有着敏感的检测能力的算法。首先对SUSAN和SIFT提取的特征点进行融合计算,然后对SIFT提取的特征点进行精简。最后通过欧式距离的计算完成特征向量的匹配。融合算法减少了大量无意义特征点的匹配计算次数,相对原SIFT算法极大地提高了匹配效率和准确率。3、提出一种基于改进分水岭算法的草坪背景快速分割算法。分水岭是一种融合数学形态和拓扑基础理论的图像快速分割算法。但是分水岭算法用在草地图像处理上非常容易产生过度分割的情况,因此本文在分水岭算法的基础上进行改进设计,首先分别对灰度图像进行膨胀和腐蚀,然后通过线性迭加得到联合体图像,最后使用分水岭算法对联合体图像进行分割。与传统的图像分割算法相比,该算法取得了更高的识别准确率和更快的计算速度,同时该算法的跨平台移植性更好。4、使用Open CV类库和MFC类库进行混合编程,并编写相应的软件,将本文提出的两种图像分析算法在智能割草机器人上进行实际应用,应用试验结果证明本文提出的两种算法的实际应用效果较好。
刘慧[8]2006年在《基于CT图像处理的冻融岩石细观损伤特性研究》文中研究说明CT技术为研究岩土工程材料的细观损伤演化提供了有效的测试手段，但是现有的CT分析方法没有充分利用试验结果所提供的CT图像资料。本文运用数字图像处理的原理和方法，基于损伤力学理论，提出了数字图像数值分析方法(Digital Image Processing—Finite Element Method)，研究了岩石损伤演化特性，初步分析了岩石初始损伤分布的不均匀性对寒区岩石损伤演化过程的影响。 本文研究了页岩的CT图像增强、图像分割和边缘检测技术，得到了岩石内部的真实细观结构图像；利用CT图像的直方图技术动态、定量地分析了岩石的损伤演化过程；提出了以像素点的个数为基准量的损伤变量；把数字图像处理技术和有限元数值分析方法相结合，将所提取的二元化的细观结构图像转化为矢量化的细观结构图，将岩石CT细观结构图像导入到有限元软件ANSYS中，考虑岩石的非均质性，应用DIP—FEM法模拟了不同孔隙度和含水量的冻结岩石的瞬态温度场分布规律。研究结果表明：岩石初始损伤越大、孔隙率越高、含水量越大，冻结(融化)周期就越短；在长期冻融循环作用下，岩石的损伤劣化速度加快；温度场分布形态的改变首先发生在有微裂隙、孔隙的地方。 本文将岩石CT细观损伤试验结果应用到岩石宏观损伤特性分析中，实现了细观尺度向宏观尺度的过渡，充分利用了CT图像资料，为冻融岩石的损伤特性研究提供了一种新的途径。
马利兴[9]2015年在《基于图像特征提取的风电传动机械故障诊断技术研究》文中研究指明随着信息理论和图像分析理论的发展,近年来基于图像处理的故障诊断方法研究成为故障诊断领域研究热点。时频图像相比于时域图和频域图包含更加丰富的风电传动机械运行状态信息,更加适合风电传动机械故障分析,但是目前时频图像分析一般需要专业人员分析判别,且一般从时域或频域参数分析,没有充分利用图像几何形状纹理等信息,自动化程度低。因此本文开展基于图像特征提取的风电传动机械故障诊断方法研究,提高故障诊断效率与准确率。主要研究工作包括:(1)为了使图像处理技术应用到故障诊断中,首先研究如何利用振动信号构建合适的参数图像。本文研究短时傅里叶变换、Wigner-Ville分布以及阈值去噪小波变换叁种时频分析方法,并对模拟信号进行时频分析得到二维时频图像,对比分析结果表明基于阈值去噪小波变换的时频图像有更好的时频分辨率和抗噪声能力,能够更加清晰反映风电机组故障信息。(2)为了对时频图像进行特征提取并得到统计量特征,研究提取图像特征的灰度共生矩阵方法、Hu不变矩方法及两种方法结合。灰度共生矩阵能精确反映图像纹理的空间复杂度、粗糙程度和重复方向,Hu不变矩能够充分反映图像区域特征。提出利用特征值的相关性进行两种方法的特征结合,新特征向量能够更好表现时频图像特征,有效提取风电机组传动机械故障信息。(3)针对本文所提取的时频图像特征向量,将人工免疫算法中的阴性选择算法应用到风电传动机械故障诊断中,提出适用于振动信号时频图像识别的可变阈值实值阴性选择算法及其故障诊断方法流程。(4)验证所研究的基于图像特征提取技术的风电机组传动机械故障诊断方法,对河北某风场风机齿轮箱正常振动信号和故障振动信号进行数据处理、构建时频图像、提取图像特征并应用人工免疫算法进行故障分析,提高了故障诊断准确率。
石梓霖[10]2017年在《基于灰色系统理论的显微纤维边缘检测系统研制》文中指出伴随经济技术的飞跃,纤维在社会各领域作用凸显。纤维的成分及质量决定了其性能和价格,而检测出的纤维边缘的连续性与完整性又对纤维特征提取、目标分离、模式识别及计算混纺比的准确度影响很大。故纤维图像的边缘检测是纤维自动识别体系中的关键一环。然而纤维在包埋、切片以及采样过程中受到不均匀光照、聚焦、噪声等方面的干扰,无法避免的出现显微纤维图像质量差、背景区域与目标纤维区分不明显、轮廓不完整或者粘连等现象。而且传统边缘检测算法获取显微纤维边缘出现虚假、不连续边缘和不能有效提取粘连纤维边缘的问题。此外,出入境检验检疫局作为我国进出口检验验定的重要机关,一直存在纤维成分检测的相关问题,即虽耗费一定的人力物力,但却无法实现相对准确的检测及鉴证。故研究基于计算机数字图像处理技术,结合科学的灰色系统理论开展显微纤维边缘检测是一项十分有意义的课题。本课题来源于国家自然科学基金面目项目《基于约束条件的非负矩阵分解算法及其在纤维自动识别中的应用研究》(61472075)。作为在纺织、纤维和面料等学科上在国内乃至世界上有极高学术地位的特色鲜明的高校,我校在棉麻以及化学纤维混纺领域研究成果积累颇丰。本文将探究初涉图像边缘检测领域的灰色系统理论与现行的数字图像处理技术相结合,把提取出连续、完整和准确的显微纤维边缘作为研究的核心。本文综合运用灰色系统理论、NIBLACK算法和孔洞填充算法,提出了一套基于灰色系统理论的显微纤维边缘检测技术路线,研制了显微纤维边缘自动检测平台系统。以显微纤维图像中各像素点为研究对象,基于灰色系统理论的边缘检测方案通过把GM(1,1)模型与NIBLACK算法相结合取得显微纤维的强弱边缘信息并实现有效的强弱边缘连接再运用孔洞填充算法来处理虚假边缘以提取出完整的边缘信息。针对基于灰色系统理论的显微纤维边缘检测系统设计,从算法原理入手,充分利用灰色系统理论在我国学术研究体系中的强势地位和先进水平,发挥了灰色系统理论的“少数据贫信息”的建模特点,展示了设计结果。实验结果表明,该算法能够提取出精确连续完整的显微纤维边缘。
参考文献：
[1]. 基于多传感器信息融合的轨道缺陷在线检测方法的研究[D]. 赵洁. 西南交通大学. 2015
[2]. 图像分析处理技术研究及应用[D]. 孙先达. 四川大学. 2002
[3]. 基于数字图像处理技术的水稻长势监测研究[D]. 刘继承. 南京农业大学. 2007
[4]. 基于机器视觉的检测算法研究及其在工业领域的应用[D]. 孙碧亮. 华中科技大学. 2006
[5]. 基于图像处理技术的缺陷智能检测技术研究及应用[D]. 赵熹. 中北大学. 2008
[6]. 基于图像识别的钢水连铸下渣检测方法的研究[D]. 郑俊. 浙江大学. 2007
[7]. 基于数字图像处理的草坪场景分析算法研究[D]. 邢明. 浙江理工大学. 2016
[8]. 基于CT图像处理的冻融岩石细观损伤特性研究[D]. 刘慧. 西安科技大学. 2006
[9]. 基于图像特征提取的风电传动机械故障诊断技术研究[D]. 马利兴. 北京信息科技大学. 2015
[10]. 基于灰色系统理论的显微纤维边缘检测系统研制[D]. 石梓霖. 东华大学. 2017
标签：计算机软件及计算机应用论文; 图像处理论文; 信息融合论文; 特征提取论文; 图像分割论文; 图像融合论文; 边缘提取论文; 传感器论文; 算法论文;