红外图像中铁轨识别技术的研究.pdf

《红外图像中铁轨识别技术的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目红外图像中铁轨识别技术的研究学科专业光学工程指导教师余学才教授作者姓名张蕾学号200921050506万方数据分类号密级注1UDC学位论文红外图像中铁轨识别技术的研究（题名和副题名）张蕾（作者姓名）指导教师姓名余学才教授电子科技大学成都（职务、职称、学位、单位名称及地址）申请专业学位级别硕士专业名称光学工程论文提交日期2012.04论文答辩日期2012.05学位授予单位和日期电子科技大学答辩委员会主席评阅人2012年月日注1：注明《国际十进分类法UDC》的类号。万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行

2、的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描

3、等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要本文主要研究了红外图像中铁轨的提取方法，以铁轨在红外图像中的先验知识为指导，根据图像理解的一般步骤进行铁轨的识别。通过低层处理提取铁轨的目标区域和边缘，并对提取的目标区域进行细化，最终得到了基于铁轨形状和位置的曲线。中层处理是对曲线段进行连接，提取线基元，主要是对低层处理得到的曲线进行描述。高层处理主要是基于先验知识对曲线特征进行筛选，提取铁轨。本文在各个处理层次中用不同的算法对图像处理，并根据先验知识进行了相应的改进

4、，并且主要分析和采用了不同的图像分割算法来提取铁轨的区域或者边缘。阈值法用于铁轨区域的分割。在红外图像中铁轨区域表现为低灰度的暗条纹，同时存在着大量的高亮度的背景区域和灰度值与铁轨相近的低亮度的背景区域，因此直接采用阈值化的方法进行铁轨区域的提取实现的可能性很小，而且铁轨本身的灰度也有一定的间隔，为了克服这些影响较为完整的提取到铁轨，本文采用了这样的解决问题的方法：(1)根据观察，图像的信息主要集中在2/3高度以下部分，而以上的部分是高亮度的背景区域，因此选择下面2/3部分作为处理的对象。(2)采用先提取铁路区域，再提取铁轨的区域的

5、策略。(3)同时采用另一种基于模板的铁轨搜索方法，采用由粗到细策略进行铁轨的搜索。该方法不是基于全局的处理，因此可以减少背景的影响，将铁轨的灰度特征和形状特征结合，采用模板通过设定相应的相似性度量函数对铁轨逐段提取，最终得到的目标区域比较简单。基于边缘提取的铁轨分割。本文对比分析了各种边缘提取算法对铁轨图像检测效果。将铁轨横截面的分布看作是有一定宽度的屋脊边缘，采用改进的Duda算子提取了较为完整的铁轨中心线，同时通过非极大抑制和双阈值法进行边缘的确定，提取的铁轨中心线较为完整，提取的杂散边缘很少。中层处理中首先进行了了曲线段的连接

6、，并采用了基于Freeman链码表示的曲线段符号的描述，高层的铁轨目标识别正是基于这些线基元的特征进行的判断，并最终以铁轨提取段数为基本度量单位的铁轨目标提取性能的评价指标，经实验分析得到采用Duda算子能较好的提取铁轨目标，识别的准确率高。关键词：图像分割，图像理解，阈值分割，边缘提取，Duda算子I万方数据ABSTRACTABSTRACTThismasterdissertationmainlydealswiththeautomaticextractionofrail.Aprioriknowledgeofthetracksinth

7、einfraredimageasaguide,theidentificationoftrackisbasedonthegeneralstepsofimageunderstanding.Thegoaloflow-levelprocessingistheextractionofthetargetareaandtheedgeofthetracks,refinethetargetarea,andeventuallygetthecurvebasedontheshapeandlocationofthetracks.Themid-levelpro

8、cessingistheextractionofprimitivelinesegmentstodescribethecurve.Thehigh–levelprocessingscreenedcurvetoextracttherails