版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、近些年來,我國高速鐵路快速發(fā)展,列車運行速度不斷加快。隨著高速鐵路列車運行速度的大幅提高,運營安全的保障顯得更為重要。在影響列車運行安全的因素中,線路異物侵入限界,災害或人為因素等導致的線路破壞等情況,由于其具有較強的隨機性,目前還沒有有效的監(jiān)測和防范方法?;谝曨l監(jiān)控的監(jiān)測方法是目前對這些情況比較有效的方法,但是目前的鐵路線路視頻監(jiān)控或基于視頻圖像的檢測系統(tǒng)大都無法做到計算機自動識別。這主要是受目前計算機視覺技術(shù)的制約。雖然近年來計算
2、機視覺技術(shù)有了較大的發(fā)展,但是距離其使計算機實現(xiàn)人類視覺功能的最終目標還有很大差距。目前,借鑒生物視覺系統(tǒng)的研究成果來解決計算機視覺問題已經(jīng)成為一個研究方向。最近,在生物視覺系統(tǒng)和計算機視覺系統(tǒng)中馬爾科夫隨機場上的貝葉斯推斷方法都受到了廣泛重視,在計算機視覺領(lǐng)域貝葉斯推斷方法可以精確求解許多實際視覺問題,但是其求解存在困難,現(xiàn)有方法需要消耗大量時間,無法應用于實時處理系統(tǒng)中。在生物視覺領(lǐng)域,貝葉斯推斷理論可以很好地解釋許多生物視覺的發(fā)現(xiàn)
3、,說明大腦在處理視覺信息時采用了類似的機制。并且大腦可以快速地對視覺信息進行處理和推斷,這說明基于神經(jīng)網(wǎng)絡的并行結(jié)構(gòu)可以快速地實現(xiàn)貝葉斯推斷。但是貝葉斯推斷的神經(jīng)網(wǎng)絡實現(xiàn)機制尚不明確?;谶@些問題本文以高速鐵路線路狀態(tài)視覺檢測為背景,針對線路狀態(tài)視覺檢測中的兩個核心問題:前景提取和立體匹配,分別提出了兩種新的基于貝葉斯推斷框架的算法。并建立了可以實現(xiàn)馬爾科夫隨機場上貝葉斯推斷的脈沖耦合神經(jīng)網(wǎng)絡,為求解貝葉斯推斷問題和揭示生物視覺系統(tǒng)實現(xiàn)
4、貝葉斯推斷提供一種手段。
本文首先提出了一種具有較高生物視覺相似性的求解貝葉斯推斷的神經(jīng)網(wǎng)絡模型,可以實現(xiàn)一般馬爾科隨機場上的貝葉斯推斷計算,稱為神經(jīng)視覺推斷模型。該網(wǎng)絡本質(zhì)上是一個脈沖耦合神經(jīng)網(wǎng)絡,模型以Leaky Integrate-and-Fire(LIF)神經(jīng)元為基本單元,采用脈沖作為表示和傳遞信息的方式,神經(jīng)元之間通過脈沖進行耦合。神經(jīng)視覺推斷模型的貝葉斯推斷的計算原理是基于“信任傳遞”算法。通過神經(jīng)網(wǎng)絡直接實現(xiàn)“信
5、任傳遞”算法,本文研究了實現(xiàn)“信任傳遞”算法的神經(jīng)網(wǎng)絡結(jié)構(gòu),該網(wǎng)絡包含信任神經(jīng)元和消息神經(jīng)元,分別實現(xiàn)信任和消息的計算。網(wǎng)絡采用基于平均脈沖頻率的群體編碼表示信任和消息,神經(jīng)元組之間采用固定概率的隨機群體連接。仿真實驗表明該模型可以有效地實現(xiàn)馬爾科夫隨機場上的貝葉斯推斷。
其次,本文在建立神經(jīng)視覺推斷模型基礎(chǔ)上針對高速鐵路線路狀態(tài)視覺檢測中兩個核心問題:前景提取和立體匹配,分別提出了基于馬爾科夫隨機場上貝葉斯推斷框架的算法。在
6、前景提取方面,本文指出了鐵路線路異物檢測的核心問題是前景提取及背景建模。進而提出了采用貝葉斯推斷框架求解前景提取問題的方法。提出了一種新的基于馬爾科夫隨機場的背景建模的似然概率模型,和一種結(jié)合短期和長期背景更新機制的背景更新方法。本文利用廣泛使用的測試數(shù)據(jù)集中的視頻對算法進行了測試并與最新發(fā)表的算法結(jié)果進行了比較,本文提出的算法取得了較好的前景提取效果,并比目前最新算法的提取效果有所提高。在立體匹配算法方面,本文提出了一種基于馬爾科夫隨
7、機場的匹配方法。該方法利用交叉皮層模型(ICM)建立似然概率模型,并利用視覺推斷模型進行求解,模型充分利用了ICM的自動波傳播等特性,取得了較好的匹配效果。本文采用常用的測試圖像對算法進行了測試,結(jié)果表明本文算法可以較好地實現(xiàn)立體匹配,效果好于其它基于神經(jīng)網(wǎng)絡的立體匹配方法。
最后,本文構(gòu)建了基于上述核心算法的高速鐵路線路狀態(tài)視覺檢測系統(tǒng)。包括線路異物監(jiān)測系統(tǒng)和護欄完整性檢測系統(tǒng)。介紹了系統(tǒng)的組成、結(jié)構(gòu)和檢測方法等。給出了檢測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割應用研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像處理應用研究.pdf
- 脈沖耦合神經(jīng)網(wǎng)絡及混沌脈沖耦合神經(jīng)網(wǎng)絡的研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的目標輪廓特征整合模型.pdf
- 脈沖耦合神經(jīng)網(wǎng)絡在醫(yī)學圖像處理中的應用研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像處理.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像處理的研究及應用.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡模型的彩色圖像分割方法研究
- 視覺脈沖神經(jīng)網(wǎng)絡模型及其在圖像處理中應用的研究.pdf
- 脈沖耦合神經(jīng)網(wǎng)絡模型參數(shù)自動標定算法研究.pdf
- 脈沖耦合神經(jīng)網(wǎng)絡在人臉圖像識別中的應用研究.pdf
- 單位脈沖耦合神經(jīng)網(wǎng)絡中若干理論及應用問題的研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的車輛圖像分割研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像增強算法研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像檢索算法研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割方法研究.pdf
- 基于脈沖神經(jīng)網(wǎng)絡的圖像特征提取與應用研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割與融合研究.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像濾波與圖像分割.pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡的人臉檢測研究.pdf
評論
0/150
提交評論