论文部分内容阅读
曲线形态是一类重要的目标特征,具体包括直线、圆、曲线、具有宽度的曲线结构和轮廓等,已广泛应用于字符、零部件、建筑物和道路等目标检测中。由于光照、相机抖动或磨损等的影响,实际获取的曲线形态上的灰度不均匀且噪声干扰较大,称这类曲线形态为灰度不均匀的曲线形态。对于这类曲线形态,经典的算法提取的曲线形态常出现断裂、虚假、误检、漏检以及轮廓缺失等问题。因此,提高灰度不均匀的曲线形态检测的鲁棒性和精确性是一个具有挑战性的课题。 由于货车图片包含了多种曲线形态的目标,本文以货车故障检测系统为应用背景,系统地研究了多种曲线形态的检测问题,主要研究内容主要分为四大部分:1)第一部分利用线元素的特殊结构性质,研究了基于纽扣型结构的分水岭算法,以获得精确的边缘或轮廓;2)第二部分利用线元素的感知编组规则,研究了曲线检测与宽线检测算法;3)第三部分利用局部曲率和全局空间对称性,研究了尺度和旋转不变的轮廓描述子及匹配算法,提高了轮廓描述与检测对缺失和毛刺等的鲁棒性;4)第四部分为曲线形态检测的应用,研究了货车故障定位与检测系统中曲线形态的检测方法。本文主要工作及创新点如下: 边缘或轮廓是最基本的曲线形态。理论分析和试验研究表明,梯度图像中边缘或轮廓的线元存在一种纽扣型结构。由于纽扣型结构为特殊的结构,目前的分水岭算法均忽略了这一结构,从某个弱梯度对应的分水岭点开始,把不属于分水岭的弱梯度点误判为分水岭点,导致了虚假的边缘检测。为此,本文提出基于纽扣型结构的分水岭算法,将弱梯度对应的分水岭点起始点定义为阻碍点,同时定义基于阻碍点的最接近路径,用以生成新的集水盆地,得到新的分水岭。实验表明,该方法还原和体现了纽扣型结构,确保了边缘检测或轮廓提取的精确性。 其次,在边缘检测的基础上,针对曲线检测结果易受噪声点或偏离点等干扰的问题,本文提出了基于窗口的连通区域标记和方向控制的曲线检测算法。从运动动力学观点出发,本文把曲线视为给定点连续运动的轨迹,通过切线方向提出了方向控制的思想,把同一个方向的点组织为曲线。此外,对于圆这一特殊曲线,本文还提出基于托勒密定理和方向控制的圆检测算法。实验结果表明,提出的算法速度快、检测精度高、鲁棒性强。 再次,宽线是特殊的曲线形态,在图像中表现为条状的区域。受噪声和光照等影响,宽线检测易出现断裂甚至漏检的问题。本文利用梯度方向的延续性,提出了一种有效的宽线检测算法。该算法提出线增强算子以增强线特征,并提出接近方向和采用假设验证法得到线候选目标,再利用背景灰度具有相似性的特点,来确定线是否为宽线,从而排除杂乱线条的干扰,接着沿着线的剖面检测确定另一侧宽线,并利用拐点处具有无延续性的特点检测拐点。实验结果表明,该算法能有效地检测变对比度的宽线。 然后,在轮廓提取的基础上,轮廓的描述与检测是目标检测的最重要的课题之一。由于受视角、光照和噪声等影响,轮廓可能存在尺度、旋转、毛刺、微小缺失等问题。针对这些问题,本文提出了基于改进的曲率函数和行程编码的局部轮廓描述子和基于空间对称性的全局轮廓描述子,这两个轮廓描述子对旋转和尺度具有不变性,且对微小缺失和毛刺等具有鲁棒性。最后,本文利用隐马尔可夫模型(HMM)框架,提出了基于HMM模型的轮廓描述子匹配算法,并对MPEG-7 Shape CE Part B和Kimia99数据库进行测试,实验表明,本文提出的匹配算法容错能力强,适合轮廓描述子序列的匹配。 最后,针对货车故障定位与检测的应用,从大尺度曲线形态故障部位定位和感兴趣区域典型曲线形态检测两方面,系统地研究了线、圆以及宽线等各形态的故障部位定位与检测方法,研制和开发了货车故障定位与检测应用软件系统,并已投入铁路货车故障检测的实际应用。两年四个月,现场采集的七十一万节货车车厢的图像数据样本的测试表明,本文提出的货车故障定位与检测算法的准确率至少达到90%,满足铁道部对货车故障检测系统的要求。