动车组异常图像识别算法及应用研究-模式识别与智能系统专业论文.docxVIP

独创性声明 本人声明所呈交的学位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，除文中已经标明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本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、缩印或扫描等复制手段保存和汇编本学位论文。  本论文属于 保密□ ，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日 期 ： 年 月 日  摘 要 随着我国高速铁路的不断发展，动车组在全国铁路开行旅客列车中的比重越来越 大，动车组的安全运行也受到越来越多的关注。动车组结构复杂，零部件多，人工 对动车组检查需要大量的时间和人力，而目前广泛使用的铁路货车运行故障动态图 像检测系统（TFDS）只能对列车的某些关键部位进行故障检测，无法完成动车组的 整车检测。为此，动车组运行故障动态图像检测系统（TEDS）应运而生。 本文主要研究 TEDS 中动车组图像的配准和异常识别技术。在特征区域图像定位 时，利用 TEDS 中采集率和列车速度参数估计特征区域的位置，缩小了图像匹配搜 索范围，提高了定位的可靠性。在图像匹配时，针对包含显著线性边缘结构的特征 区域，采用边缘线段合并思想，提出一种显著边缘提取方法，提高了光照变化情况 下图像匹配的鲁棒性。针对包含复杂边缘结构的特征区域，提出一种基于边缘投影 最大峰值点的显著边缘区域选择方法，采用边缘点距离变换相似性度量方法，设计 了一种复杂边缘结构的特征区域匹配方法，提高了特征区域匹配的实时性和适应性。 在进行异常识别时，提出了一种基于窗口投票的配准区域异常检测方法，克服了车 身抖动、图像信息丢失及图像未完全配准的影响，增强了异常识别算法的容错性。 最后，将上述算法在现有图片库上进行了仿真试验，定位率、匹配准确性、异常 识别率和误识率都能达到预期目标，证明了所设计算法的有效性和时效性。 关键词： 动车组运行故障动态图像检测系统 图像匹配 特征提取 变化检测 阈值选取  Abstract With the development of high-speed railway, the proportion of EMU in the national railway trains has increased a lot, and people are paying more and more attention to the security of EMU. The structure of EMU is complex with various components. Currently, there is a system called running Trouble of Freight Car Detection System (TFDS) which is widely used to maintain the safe operation of the train. However, it can only detect some key parts of the train, it can’t detect the whole components of the EMU. Therefore, Trouble of moving EMU Detection System (TEDS) has been put forward. This paper studies EMU image matching and the abnormal region recognition in the TEDS. To locate the feature area, it uses the sampling rate and speed of the vehicle to estimate the area, which can narrow the searching range of image matching and improve the reliability of positioning. In the image matching procedure, for feature areas which contai