收藏本站
《北京交通大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

面向铁路运行环境检测的图像复原、增强及配准方法研究

吕国豪  
【摘要】:随着我国铁路运营里程的不断增加,铁路运行环境也日趋复杂。铁路运行环境检测作为排除潜在安全威胁的有效措施,受到越来越广泛的关注。铁路运行环境检测主要包含钢轨部件检测和铁路前向运动环境检测两部分。本文以铁路运行环境为主要研究对象,考虑图像模糊、光照不均和自相似物体对铁路运行环境检测的影响,应用图像复原、图像增强以及图像配准三种方法解决上述铁路运行环境检测过程中的实际问题。本文提出的图像复原方法和图像增强方法分别克服了图像模糊、光照不均对图像的影响,为钢轨部件检测提供了清晰的可检测的钢轨和扣件图像;图像配准方法克服了自相似物体对配准的干扰,使后续基于模板比较的铁路前向运动环境检测成为可能。本论文的创新之处在于:一、考虑图像模糊和噪声对钢轨擦伤检测的影响,提出了一种基于卷积神经网络的正则化方法,克服了传统正则化方法对图像中不同区域不加区分采用单一范数约束进行复原的局限性。该方法将图像复原中的范数选择问题看作一个分类问题,利用卷积神经网络指导不同图像子块选取更合适的范数形式进行正则化约束,使正则化方法不再局限于单一的范数约束形式,获得了更优的复原效果,为后续钢轨擦伤检测提供了更为清晰的输入图像。该方法的计算复杂度远小于传统正则化方法并且可以实现并行化处理,具有良好的普适性,经过改造后也可以应用于一般自然图像的复原,其复原结果也优于其它广泛使用的正则化图像复原方法。二、考虑光照不均(或称分片均匀)对钢轨扣件缺失检测的影响,提出了一种基于图像局部特征的感知增强方法,克服了传统Retinex感知增强方法对整张扣件缺失图像采用同一大小的卷积核估计光照的局限性。该方法考虑场景内部光照分片均匀的特性,通过图像分割算法将钢轨扣件图像分为不同子图,利用平均高斯曲率指导不同子图选择适合大小的高斯卷积核进行光照估计,然后将得到的光照估计(照射分量)进一步处理并与反射分量合成增强的钢轨扣件图像。该方法提升了图像的增强效果,提高了后续钢轨扣件缺失检测的准确度并且具有良好的普适性,经过改造后(如加入颜色复原和色偏修正等)也可以应用于一般自然图像的增强,其增强结果也优于目前广泛使用的Retinex图像增强方法。三、考虑铁路前向运动图像中特征点匹配容易受到场景内自相似物体的干扰,提出了一种基于深度信息的铁路前向运动图像配准方法,克服了传统图像配准方法无法应用于高自相似物体准确配准的缺陷。该方法利用图像深度信息指导铁路前向运动图像的配准,首先将铁路前向运动图像分为场景深度和物体深度两部分对于场景深度,将图像中地平线以上的天空部分设定为无限远,地平线以下的地面部分由图像底部向地平线位置深度均匀递增;对于物体深度,考虑场景内不同深度位置运动物体光流不同的特性,利用光流大小近似物体深度。然后使用导向滤波对深度信息进行优化,求得精确度较高的铁路前向运动图像的深度估计。最后通过构造D-SFIT特征描述子,实现铁路前向运动图像场景中自相似物体的准确配准,为后续铁路前向运动环境检测的研究奠定了基础。
【关键词】:图像复原 卷积神经网络 图像增强 Retinex 图像配准 深度估计 深度学习
【学位授予单位】:北京交通大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:TP391.41
【目录】:
  • 致谢5-6
  • 摘要6-8
  • ABSTRACT8-13
  • 1 绪论13-34
  • 1.1 研究背景13-16
  • 1.1.1 理论研究背景13-14
  • 1.1.2 应用研究背景14-16
  • 1.2 研究意义16-18
  • 1.2.1 理论意义16-17
  • 1.2.2 实际意义17-18
  • 1.3 国内外研究现状18-25
  • 1.3.1 铁路运行环境检测的国内外研究现状18-21
  • 1.3.2 图像复原方法的国内外研究现状21-22
  • 1.3.3 图像增强方法的国内外研究现状22-24
  • 1.3.4 图像配准方法的国内外研究现状24-25
  • 1.4 铁路运行环境检测的主要工作25-31
  • 1.4.1 钢轨缺陷检测26-27
  • 1.4.2 扣件缺失检测27-28
  • 1.4.3 铁路前向运动环境检测28-31
  • 1.5 主要研究内容和创新点31-32
  • 1.6 本文的章节安排32-34
  • 2 基于卷积神经网络的正则化方法34-59
  • 2.1 引言34-37
  • 2.2 图像模糊与复原37-40
  • 2.2.1 L-2范数约束38
  • 2.2.2 L-1范数约束38-39
  • 2.2.3 L-p范数约束39
  • 2.2.4 一致能量泛函正则化方法的局限性39-40
  • 2.3 钢轨擦伤图像分析40-42
  • 2.4 基于卷积神经网络的正则化方法42-49
  • 2.4.1 基于卷积神经网络的正则化方法的基本思想42-44
  • 2.4.2 基于卷积神经网络的正则化模型44
  • 2.4.3 基于卷积神经网络的钢轨擦伤图像的特征提取和分类44-47
  • 2.4.4 基于卷积神经网络的正则化模型的数值解法47-48
  • 2.4.5 计算代价分析48-49
  • 2.5 实验结果及分析49-57
  • 2.5.1 钢轨擦伤图像实验结果的比较与分析50-53
  • 2.5.2 一般自然图像实验结果的比较与分析53-57
  • 2.6 小结57-59
  • 3 基于图像局部特征的感知增强方法59-90
  • 3.1 引言59-60
  • 3.2 RETINEX感知增强方法60-66
  • 3.2.1 随机路径的Retinex方法61-62
  • 3.2.2 中心/环绕的Retinex方法62-64
  • 3.2.3 求解偏微分方程的Retinex方法64
  • 3.2.4 求解能量泛函的Retinex方法64-65
  • 3.2.5 传统Retinex感知增强方法的局限性65-66
  • 3.3 钢轨扣件图像分析66-68
  • 3.4 基于局部特征的钢轨扣件图像感知增强方法68-76
  • 3.4.1 自适应的光照估计69-74
  • 3.4.2 图像对比度增强74-75
  • 3.4.3 图像动态范围调整75-76
  • 3.5 实验结果及分析76-88
  • 3.5.1 钢轨扣件图像的实验结果比较与分析76-81
  • 3.5.2 一般自然图像的实验结果比较与分析81-88
  • 3.6 小结88-90
  • 4 基于深度信息的铁路前向运动图像的配准方法90-115
  • 4.1 引言90-91
  • 4.2 图像配准和深度估计方法91-95
  • 4.2.1 图像配准方法91-93
  • 4.2.2 深度估计方法93-95
  • 4.3 铁路前向运动图像分析95-97
  • 4.4 铁路前向运动图像的场景深度估计方法97-99
  • 4.5 铁路前向运动图像的物体深度估计方法99-104
  • 4.5.1 物体深度估计模型99-101
  • 4.5.2 光流大小的计算101-102
  • 4.5.3 深度估计的修正102-104
  • 4.6 铁路前向运动图像的深度估计104-109
  • 4.6.1 图像深度的初步估计104-105
  • 4.6.2 图像深度估计的优化105-107
  • 4.6.3 深度估计有效性的实验验证107-109
  • 4.7 基于深度信息的铁路前向运动图像的配准方法109-114
  • 4.7.1 D-SIFT特征描述子及配准方法109-111
  • 4.7.2 实验及有效性验证111-114
  • 4.8 小结114-115
  • 5 总结与展望115-117
  • 5.1 全文总结115-116
  • 5.2 研究展望116-117
  • 参考文献117-125
  • 作者简历及攻读博士学位期间取得的研究成果125-129
  • 学位论文数据集129

【相似文献】
中国期刊全文数据库 前10条
1 杨书远,李成;基于顺序统计滤波和空间平均技术的盲目图像复原[J];天津师范大学学报(自然科学版);2001年03期
2 张坤;洪汉玉;孙协昌;张天序;;基于波前测量的图像复原技术综述[J];红外与激光工程;2007年01期
3 邹淑芳;蒋慕容;柯慧凌;林瑛;;基于变分原理的图像复原计算显格式分析[J];云南电大学报;2008年03期
4 刘福保;;图像复原模型的Euler-Lagrange方程[J];湖南工业大学学报;2009年02期
5 刘赛;田逢春;段淑玉;;基于神经网络的光学4f系统图像复原[J];计算机与数字工程;2009年05期
6 陈金林;李宁;;图像复原的一种改进算法[J];重庆科技学院学报(自然科学版);2009年05期
7 周筱媛;;一种使用小波分解的多尺度盲图像复原方法[J];西安科技大学学报;2011年03期
8 宋寅卯;蔡开穗;刘磊;;图像复原研究方法及进展[J];科技创新与生产力;2011年10期
9 肖宿;韩国强;;基于变量分离和加权最小二乘法的图像复原[J];计算机应用研究;2012年04期
10 伏西洋;王大勇;郭红锋;;基于单点像的光学稀疏孔径图像复原[J];北京工业大学学报;2012年05期
中国重要会议论文全文数据库 前10条
1 赵剡;张春晓;许东;;基于弱表层模型的降晰函数辨识与图像复原[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
2 黎明;杨杰;王辉;蔡念;;一种彩色图像复原新方法:基于滑动窗口的支持向量回归算法[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
3 侯榆青;张欢;杨旭朗;陈燊;;全变分图像复原的研究及其三种数值方法比较[A];全国第二届信号处理与应用学术会议专刊[C];2008年
4 苗晴;唐斌兵;周海银;;基于约束最小二乘的空域迭代图像复原[A];第三届全国信息获取与处理学术会议论文集[C];2005年
5 苏宏伟;陈华;;单画幅欠采样图像复原中的插值作用[A];广西计算机学会2006年年会论文集[C];2006年
6 牟怿;周龙;;奇异值分解在储粮害虫图像复原中的应用[A];湖北省电工技术学会、武汉电工技术学会2008年学术年会暨理事会换届大会论文集[C];2008年
7 廖翔;黎建彬;陈康;朱亚平;;监控录相图像复原技术的研究与应用[A];中国感光学会第六次全国感光(影像)科学大会暨第五届青年学术交流会论文摘要集[C];2001年
8 尹欢;王瑞;曹启鹏;;基于MTFC的遥感图像复原[A];第十届全国光电技术学术交流会论文集[C];2012年
9 许洁平;梁永辉;蒋鹏志;韩海涛;;基于极大似然原理的非对称迭代图像盲解卷积[A];第十四届全国光学测试学术讨论会论文(摘要集)[C];2012年
10 崔旭东;;闪光X光图像复原方法[A];中国工程物理研究院科技年报(2000)[C];2000年
中国重要报纸全文数据库 前1条
1 本报记者 王海滨;一张脸就能走天下[N];科技日报;2014年
中国博士学位论文全文数据库 前10条
1 姜超;大气退化遥感图像复原关键技术研究[D];解放军信息工程大学;2015年
2 肖瑾;非凸函数在图像复原中的应用[D];湖南大学;2015年
3 马鸽;面向极大规模集成电路封装X射线检测的图像处理关键问题研究[D];华南理工大学;2016年
4 张俊峰;稀疏准则下的图像复原与重建方法研究[D];东南大学;2016年
5 罗玉;基于稀疏表示的图像复原与增强关键技术研究[D];华南理工大学;2016年
6 耿蕾蕾;基于字典学习算法的遥感图像复原及其应用研究[D];南京理工大学;2016年
7 吕国豪;面向铁路运行环境检测的图像复原、增强及配准方法研究[D];北京交通大学;2017年
8 吕小光;结构矩阵计算及在数字图像复原中的应用[D];电子科技大学;2011年
9 黄捷;基于数值代数的图像复原问题研究[D];电子科技大学;2013年
10 赵雪青;降质图像复原方法研究[D];陕西师范大学;2013年
中国硕士学位论文全文数据库 前10条
1 潘洪艳;基于增广拉格朗日的非局部正则化图像复原方法[D];电子科技大学;2015年
2 王家传;正则化方法在图像复原中的应用[D];电子科技大学;2014年
3 王达林;凸优化在图像复原中的应用[D];电子科技大学;2014年
4 赵艳;带噪声离焦模糊图像复原[D];西安电子科技大学;2014年
5 马燕新;基于光学测量的航天器结构分析研究[D];国防科学技术大学;2013年
6 肖宇行;DR系统点扩展退化模型建立及图像复原研究[D];南昌航空大学;2015年
7 肖兢兢;全变分图像复原一阶对偶算法研究[D];南京邮电大学;2015年
8 侯桥立;基于图像特征的全变分型图像复原问题[D];河南大学;2015年
9 曾佳;基于大气散射模型的雾天图像复原方法研究[D];合肥工业大学;2015年
10 陈琳;水下图像复原处理方法的研究[D];中国海洋大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026