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

1、隨著我國鐵路運營里程的不斷增加，鐵路運行環(huán)境也日趨復(fù)雜。鐵路運行環(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。鐵路運行環(huán)境檢測主要包含鋼軌部件檢測和鐵路前向運動環(huán)境檢測兩部分。本文以鐵路運行環(huán)境為主要研究對象，考慮圖像模糊、光照不均和自相似物體對鐵路運行環(huán)境檢測的影響，應(yīng)用圖像復(fù)原、圖像增強以及圖像配準三種方法解決上述鐵路運行環(huán)境檢測過程中的實際問題。本文提出的圖像復(fù)原方法和圖像增強方法分別克服了圖像模糊、光照不均對圖像

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;圖像配準方法克服了自相似物體對配準的干擾，使后續(xù)基于模板比較的鐵路前向運動環(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)正則化方法對圖像中不同區(qū)域不加區(qū)分采用單一范數(shù)約束進行復(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。該方法的計算復(fù)雜度遠小于傳統(tǒng)正則化方法并且可以實現(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方法，克服了傳統(tǒng)R

4、etinex感知增強方法對整張扣件缺失圖像采用同一大小的卷積核估計光照的局限性。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行光照估計，然后將得到的光照估計（照射分量）進一步處理并與反射分量合成增強的鋼軌扣件圖像。該方法提升了圖像的增強效果，提高了后續(xù)鋼軌扣件缺失檢測的準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，其增強結(jié)果也優(yōu)于目前廣泛使用的Retinex圖像增強方法。
　　三、考慮鐵路前向運動圖像中特征點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動圖像配準方法，克服了傳統(tǒng)圖像配準方法無法應(yīng)用于高自相似物體準確配準的缺陷。該方法利用圖像深度信息指導(dǎo)鐵路前向運動圖像的配準，首先將鐵路前向運動圖像分為場景深度和物體深度兩部分對于場景深度，將圖像中地平線以上的天空部分設(shè)定為無限遠，地平線以下的地