紅外圖像中鐵軌識別技術(shù)的研究.pdf

1、本文主要研究了紅外圖像中鐵軌的提取方法，以鐵軌在紅外圖像中的先驗知識為指導，根據(jù)圖像理解的一般步驟進行鐵軌的識別。通過低層處理提取鐵軌的目標區(qū)域和邊緣，并對提取的目標區(qū)域進行細化，最終得到了基于鐵軌形狀和位置的曲線。中層處理是對曲線段進行連接，提取線基元，主要是對低層處理得到的曲線進行描述。高層處理主要是基于先驗知識對曲線特征進行篩選，提取鐵軌。本文在各個處理層次中用不同的算法對圖像處理，并根據(jù)先驗知識進行了相應的改進，并且主要分析和采

2、用了不同的圖像分割算法來提取鐵軌的區(qū)域或者邊緣。
　　閾值法用于鐵軌區(qū)域的分割。在紅外圖像中鐵軌區(qū)域表現(xiàn)為低灰度的暗條紋，同時存在著大量的高亮度的背景區(qū)域和灰度值與鐵軌相近的低亮度的背景區(qū)域，因此直接采用閾值化的方法進行鐵軌區(qū)域的提取實現(xiàn)的可能性很小，而且鐵軌本身的灰度也有一定的間隔，為了克服這些影響較為完整的提取到鐵軌，本文采用了這樣的解決問題的方法：(1)根據(jù)觀察，圖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

3、背景區(qū)域，因此選擇下面2/3部分作為處理的對象。(2)采用先提取鐵路區(qū)域，再提取鐵軌的區(qū)域的策略。(3)同時采用另一種基于模板的鐵軌搜索方法，采用由粗到細策略進行鐵軌的搜索。該方法不是基于全局的處理，因此可以減少背景的影響，將鐵軌的灰度特征和形狀特征結(jié)合，采用模板通過設(shè)定相應的相似性度量函數(shù)對鐵軌逐段提取，最終得到的目標區(qū)域比較簡單。
　　基于邊緣提取的鐵軌分割。本文對比分析了各種邊緣提取算法對鐵軌圖像檢測效果。將鐵軌橫截面的分布

4、看作是有一定寬度的屋脊邊緣，采用改進的Duda算子提取了較為完整的鐵軌中心線，同時通過非極大抑制和雙閾值法進行邊緣的確定，提取的鐵軌中心線較為完整，提取的雜散邊緣很少。
　　中層處理中首先進行了了曲線段的連接，并采用了基于Freeman鏈碼表示的曲線段符號的描述，高層的鐵軌目標識別正是基于這些線基元的特征進行的判斷，并最終以鐵軌提取段數(shù)為基本度量單位的鐵軌目標提取性能的評價指標，經(jīng)實驗分析得到采用Duda算子能較好的提取鐵軌目標，