原文传递
基于计算机视觉的电气化铁路绝缘子识别技术的研究
| 论文题名： | 基于计算机视觉的电气化铁路绝缘子识别技术的研究 |
| 关键词： | 电气化铁路;绝缘子;模板匹配;识别精度;计算机视觉 |
| 摘要： | 电气化铁路绝缘子作为接触网支持悬挂装置中的重要设备，其状态的好坏影响着牵引供电系统的稳定性，因而需要研究实时、智能的状态检测方法。准确高效地识别绝缘子是实现绝缘子不良状态智能检测的前提，确保后续检测工作均在目标局部图像中进行，降低状态检测的难度和检测算法的计算量，从而提高检测的速度和检测结果的精度。 本文以铁路综合检测车采集回来的高效清晰的图像为样本，应用计算机视觉的相关技术，实现电气化铁路绝缘子的高效识别。首先介绍目前主要的两类目标识别方法:模板匹配和统计模式识别;然后应用基于特征的图像匹配方法实现绝缘子识别;最后再运用统计模式识别方法，提取绝缘子的Haar、LBP、HOG三种特征进行训练，利用得到的分类器进行绝缘子识别。 对于采用模板匹配进行电气化铁路绝缘子识别，文章使用基于SIFT、SURF和ORB的三种特征匹配的方法实现绝缘子识别，并对三种方法的识别效果进行分析和比较，得出SURF的综合性能更优。为方便对比三种匹配方法的识别效果，设计一个能够完整实现识别过程的友好MFC界面。 对于统计模式识别方法，采用AdaBoost算法和SVM训练分类器。对于Haar特征和LBP特征，选用AdaBoost算法进行分类器训练，通过对生成的分类器进行评价，得出改变正负样本的截取方式、大小和数量能够显著的提高分类器的性能。对于HOG特征，则采用SVM训练分类器，改变正负样本截取方式、大小和数量对识别效果有一定的提升。 实验在Visual Studio2013和OpenCV3.0环境下，通过编程实现电气化铁路绝缘子识别。实验结果表明:对于基于图像匹配的绝缘子识别，通过误匹配的消除能够明显提高识别性能。对于基于统计模式识别方法的绝缘子识别，改变正负样本截取方式、大小和数量对识别效果有明显提升。采用合适的样本截取方式、大小和数量，得到一个LBP特征级联分类器，具有很高的精度和速度。 |
| 作者： | 谢新文 |
| 专业： | 电气工程 |
| 导师： | 曾怡达 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
