面向鐵路運(yùn)行環(huán)境檢測的圖像復(fù)原、增強(qiáng)及配準(zhǔn)方法研究.pdf

1、隨著我國鐵路運(yùn)營里程的不斷增加，鐵路運(yùn)行環(huán)境也日趨復(fù)雜。鐵路運(yùn)行環(huán)境檢測作為排除潛在安全威脅的有效措施，受到越來越廣泛的關(guān)注。鐵路運(yùn)行環(huán)境檢測主要包含鋼軌部件檢測和鐵路前向運(yùn)動(dòng)環(huán)境檢測兩部分。本文以鐵路運(yùn)行環(huán)境為主要研究對(duì)象，考慮圖像模糊、光照不均和自相似物體對(duì)鐵路運(yùn)行環(huán)境檢測的影響，應(yīng)用圖像復(fù)原、圖像增強(qiáng)以及圖像配準(zhǔn)三種方法解決上述鐵路運(yùn)行環(huán)境檢測過程中的實(shí)際問題。本文提出的圖像復(fù)原方法和圖像增強(qiáng)方法分別克服了圖像模糊、光照不均對(duì)圖像

2、的影響，為鋼軌部件檢測提供了清晰的可檢測的鋼軌和扣件圖像;圖像配準(zhǔn)方法克服了自相似物體對(duì)配準(zhǔn)的干擾，使后續(xù)基于模板比較的鐵路前向運(yùn)動(dòng)環(huán)境檢測成為可能。
　　本論文的創(chuàng)新之處在于:
　　一、考慮圖像模糊和噪聲對(duì)鋼軌擦傷檢測的影響，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法，克服了傳統(tǒng)正則化方法對(duì)圖像中不同區(qū)域不加區(qū)分采用單一范數(shù)約束進(jìn)行復(fù)原的局限性。該方法將圖像復(fù)原中的范數(shù)選擇問題看作一個(gè)分類問題，利用卷積神經(jīng)網(wǎng)絡(luò)指導(dǎo)不同圖像子塊

3、選取更合適的范數(shù)形式進(jìn)行正則化約束，使正則化方法不再局限于單一的范數(shù)約束形式，獲得了更優(yōu)的復(fù)原效果，為后續(xù)鋼軌擦傷檢測提供了更為清晰的輸入圖像。該方法的計(jì)算復(fù)雜度遠(yuǎn)小于傳統(tǒng)正則化方法并且可以實(shí)現(xiàn)并行化處理，具有良好的普適性，經(jīng)過改造后也可以應(yīng)用于一般自然圖像的復(fù)原，其復(fù)原結(jié)果也優(yōu)于其它廣泛使用的正則化圖像復(fù)原方法。
　　二、考慮光照不均（或稱分片均勻）對(duì)鋼軌扣件缺失檢測的影響，提出了一種基于圖像局部特征的感知增強(qiáng)方法，克服了傳統(tǒng)R

4、etinex感知增強(qiáng)方法對(duì)整張扣件缺失圖像采用同一大小的卷積核估計(jì)光照的局限性。該方法考慮場景內(nèi)部光照分片均勻的特性，通過圖像分割算法將鋼軌扣件圖像分為不同子圖，利用平均高斯曲率指導(dǎo)不同子圖選擇適合大小的高斯卷積核進(jìn)行光照估計(jì)，然后將得到的光照估計(jì)（照射分量）進(jìn)一步處理并與反射分量合成增強(qiáng)的鋼軌扣件圖像。該方法提升了圖像的增強(qiáng)效果，提高了后續(xù)鋼軌扣件缺失檢測的準(zhǔn)確度并且具有良好的普適性，經(jīng)過改造后（如加入顏色復(fù)原和色偏修正等）也可以應(yīng)用

5、于一般自然圖像的增強(qiáng)，其增強(qiáng)結(jié)果也優(yōu)于目前廣泛使用的Retinex圖像增強(qiáng)方法。
　　三、考慮鐵路前向運(yùn)動(dòng)圖像中特征點(diǎn)匹配容易受到場景內(nèi)自相似物體的干擾，提出了一種基于深度信息的鐵路前向運(yùn)動(dòng)圖像配準(zhǔn)方法，克服了傳統(tǒng)圖像配準(zhǔn)方法無法應(yīng)用于高自相似物體準(zhǔn)確配準(zhǔn)的缺陷。該方法利用圖像深度信息指導(dǎo)鐵路前向運(yùn)動(dòng)圖像的配準(zhǔn)，首先將鐵路前向運(yùn)動(dòng)圖像分為場景深度和物體深度兩部分對(duì)于場景深度，將圖像中地平線以上的天空部分設(shè)定為無限遠(yuǎn)，地平線以下的地