基于dsp的轨道表面缺陷图像检测系统研究

《基于dsp的轨道表面缺陷图像检测系统研究》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、密级：公开论文类型：应用研究工程硕士学位论文基于DSP的轨道表面缺陷图像检测系统研究TheTechnologyofRailwayTrackSurfaceDefectInspectionBasedonDSPImageProcessing培养单位：机械工程学院专业领域：机械工程学生姓名：田海涛校内导师：任杰教授二○一六年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，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

2、含为获得石家庄铁道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了谢意。签名：日期：摘要摘要以国内列车不断提速为背景，从铁路运行安全的角度出发，针对高速铁路轨道表面缺陷检测问题，利用机器视觉与图像处理相结合的手段，以DSP为图像处理的核心部件，设计了轨道表面缺陷在线检测系统，实现了轨道表面状态的实时监测。主要的工作内容如下：(1)深入调研了国内外轨道表面缺陷的检测方法和研究现状，分析了用DSP进行图像处理的优势，采用基于DSP

3、图像处理进行轨道表面缺陷检测的方案。(2)根据轨道表面图像的特征，设计了图像预处理算法，包括轨道图像灰度化，前景区域分割提取和图像平滑降噪，并在MATLAB中进行了仿真。在前景区域分割提取中采用了一种能快速获得图像坐标，更方便地对轨道表面图像进行前景区域提取分割的方法。(3)研究了轨道表面缺陷识别算法。将常见轨道缺陷进行分类，包括疤痕和缺陷。确定了缺陷识别的特征参量。根据计算特征参量的需要，优选了合适的边缘检测器来计算缺陷边缘的长度；根据轨道表面图像的特点，优选并改进了一种适合轨道灰度图像的全局阈

4、值分割方法，来计算缺陷区域的面积。最后在MATLAB中进行了仿真。论文采用的缺陷识别算法相比于基于神经网络或模板匹配的缺陷识别方法，在算法实现上更加简单快捷，能够满足课题所设计的轨道检测系统进行在线检测实时性要求。(4)完成了系统硬件设计。进行了系统的部件选型，完成系统调试。(5)在CCS3.3环境下用C语言完成了DSP算法的移植，解决了用24位BMP图像文件带来的读取问题，设计了人机交互界面。以轨道表面典型缺陷为例对算法进行了检测，检测结果与MATLAB仿真结果相符，且耗时大大缩短，证明利用DS

5、P图像处理进行轨道表面缺陷的检测具有显著优势。关键词：缺陷检测；图像处理；DSPAbstractAbstractWiththeincreasingoftrainvelocity,thereisarisingneedforonrailwaysafety,andthereforeitisinevitabletohaveabetterinspectionforrailwaysurfacedefect.Thisthesistriestoexpressbuildingacomprehensiverailwa

6、ytracksurfaceinspectionsystembasicallythroughimageprocessingandDSP.Thissystemcouldpreventseriousaccidentbyrealtimemonitoringtheconditionofrailwaytracksandreportinganysurfacedefects.Thesiscoversmostlycoverfollowingaspects:(1)Analyzesaboutseveraldomesti

7、candinternationalrailwaysurfacedefectinspectionmethodsanddiscussesthemajorbenefitsofusingimageprocessingandDSPforrailwayinspection.(2)Designsanimagepre-processingalgorithmbasedonrailwaytrackimage,findsanewmethodtotakeforegroundoutmoreefficiently,andte

8、ststhismethodinMATLAB.(3)Discussesaboutrailwaytracksurfacedefectrecognitionalgorithm,classifiescommonsurfacedefectsandstudiesaboutdifferentedge-detectorandthreshold-divisionmethods.Chooses,basedonrailwaytrackimage,suitableedge-detectorandthres