• <table id="zigek"></table>
  • <acronym id="zigek"></acronym>
    <big id="zigek"></big>
    <tr id="zigek"><s id="zigek"></s></tr>

    學術堂首頁 | 文獻求助論文范文 | 論文題目 | 參考文獻 | 開題報告 | 論文格式 | 摘要提綱 | 論文致謝 | 論文查重 | 論文答辯 | 論文發表 | 期刊雜志 | 論文寫作 | 論文PPT
    學術堂專業論文學習平臺您當前的位置:學術堂 > 計算機論文 > 數字圖像處理論文

    火車識別中數字圖像處理的應用

    時間:2016-03-07 來源:未知 作者:傻傻地魚 本文字數:1698字
    摘要

      0 引 言

      隨著鐵路運輸的不斷發展和我國鐵路中長期發展規劃和戰略的實施,鐵路運輸在國民經濟生活中的重要性逐漸凸顯。于此背景下一些鐵路相關技術亟需改進。相較于傳統的火車識別,本文從機器視覺和圖像處理等技術為出發點提出一種區別于以往的基于數字圖像處理的識別方法。

      1 火車識別技術

      基于傳感器技術的傳統方式主要有:感應線圈式、電接觸式、超聲波式、紅外感應式。以上是幾種在目前的交通檢測中普遍應用的識別方式,但是上述方式有以下缺點:安裝復雜、檢測參數單一、獲取參數不夠直觀等。

      隨著軟件和硬件技術的不斷進步,基于機器視覺和圖像處理技術的檢測技術逐步成為目前的研究主流。

      數字圖像處理(digital image processing)也稱作計算機圖像處理,是指將圖像信號提取轉換為數字格式并且利用計算機處理的過程[1].

      數字圖像是指將模擬圖像數字化、以像素為基本元素、可用計算機存儲和處理的一個二維數組。這個數組的元素即為像素,它的值是整數,被稱為灰度值。圖像處理技術的內容主要包括圖像壓縮、圖像增強和復原、圖像匹配、描述和識別。常見的數字圖像處理有圖像數字化、圖像增強、復原和圖像分割、分析等。相較于光學方法或者模擬技術,數字圖像處理以其精確、靈活、方便成為圖像處理的主要手段。

      數字圖像處理具有如下特點:處理精度高,處理內容豐富,靈活性和再現性好,適用面廣;圖像數據量大,處理量大。

      2 系統構成與圖像處理

      根據識別要求和數字圖像處理特點設立我們的工作流程:通過架設在軌道上方的高速攝像機捕捉經過軌道的車輛正面影像,通過一系列圖像處理過程,如圖像增強、邊緣銳化、特征提取等得到處理后的數據。其中圖像采集卡能解碼并數字化視頻輸入,RGB 數字圖像信號存入幀存,并通過 PCI 讀入 EMS 內存[2].圖像數據經由通信模塊與后端設備數據庫中的錄入數據對比,從而確定經過車輛的型號及運行參數等一系列數據,提供給控制系統以決策車輛下一步的操作,最后再經由通信模塊將決策傳輸給車輛。從而提高車輛運行的智能化程度和可靠性。識別系統的結構。

      由上可知圖像處理在識別過程中處于極為重要的地位,直接決定著識別的正確性和精確性。以下我們討論識別過程中的圖像處理。我們假設攝像機抓取的火車圖像儲存于 E:\tu,格式為 jpg.

      圖像讀取:
    clea[r]]]
    close all;
    a=imread(‘E:\tu.jpg’)
    imshow(a);
    去除噪聲,在此我們選擇中值濾波:
    clear
    close all;
    I=imread(‘E:\tu.jpg’);
    imshow(I);
    H=rgb2gray(I);
    figure
    imshow(H);
    K=medfilt2(H,[7 7]);
    figure
    imshow(K);
    figure
    imhis(tK);
    M=imadjus(tK,[0.15 0.9],[0 1]);
    figure
    imshow(M);
    figure
    imhis(tM);
    為了增加圖像參數的直觀性,在上述程序中加入了
    灰度直方圖顯示
    銳化:
    clear
    close all;
    a=imread(‘E:\tu.jpg’);
    imshow(a);
    a=double(a);
    [x,y]=gradien(ta);
    G=sqr(tx.*x+y.*y);
    figure
    imshow(G);
    邊緣檢測:
    clear
    close all;
    a=imread(‘E:\tu.jpg’);
    imshow(a);
    b(:,:,1)=a(:,:,3);
    b(:,:,2)=a(:,:,1);
    b(:,:,3)=a(:,:,2);
    figure
    imshow(b);
    c=rgb2gray(b);
    figure
    imshow(c);
    d=edge(c‘,canny’,0.24);
    figure
    imshow(d);

     

      邊緣中包含可以用于圖像處理和識別的目標邊界信息,是圖像的最基本特征。邊緣是圖像中灰度值劇烈變化的區域邊界,可以用灰度分布的梯度來衡量圖像灰度值的變化,因此可以用細部圖像微分技術來獲取邊緣檢測算子[3].邊緣檢測算子有 Sobel 算子和拉普拉斯算子,在此不做具體闡述。

      經過一系列的處理,由原始的視覺圖像轉化為易于比較和計算機識別的參數。通過與后端設備中已知數據的比較和后期處理從而為控制系統的決策提供支持。

      3 結 語

      本文將機器視覺和圖像處理與火車識別相結合,提出了一種較為新穎和具有實用性的識別手段。但系統識別本身就是一門較為全面的系統科學,本文著重于提出一種可行的火車識別方法以及具體的數字圖像處理措施。在攝像機捕捉移動物體、數據比較、數據通信和接口及各子系統的匹配兼容等具體內容方面仍有較廣闊的研究空間。

      參考文獻:
      [1] 崔屹。數字圖像處理技術與應用[M].北京:電子工業出版社,1997.

      論文來源參考:
      相近分類:
      • 成都網絡警察報警平臺
      • 公共信息安全網絡監察
      • 經營性網站備案信息
      • 不良信息舉報中心
      • 中國文明網傳播文明
      • 學術堂_誠信網站
      159彩票{{转码主词}官网{{转码主词}网址