论文部分内容阅读
二维图像中的特征定位是计算机视觉和模式识别领域的重要研究内容。随着数字图像处理技术的发展，特征定位方法的应用领域越来越广泛。在很多实际应用中，定位出图像的感兴趣区域是问题的关键，也是对图像进行分析和理解的基础。实现特征定位的方法既要立足于定位目标几何形状等外观信息，也要借助相关应用领域的先验知识。此外，图像样本的采集质量也对特征定位的准确率和处理效率有重要影响。目标识别是根据定位后的特征，形成对目标对象的表示和描述，最终分析对象的状态并理解感兴趣的信息。目标识别的准确率依赖于定位效果、特征的选择以及描述对象的方法。
本文首先介绍了铁路货运安全检测的课题背景，分析了现有检测状况的不足之处，突出了课题的价值，并对当前的应用现状及支持理论做了概述性的说明。接着，我们概括性地介绍了检测系统的架构，说明了系统中各设备的作用及它们的相互协作关系，还介绍了列车检测图像的采集过程，以及影响采集质量的客观因素与制约条件。同时，我们也对系统的工作流程作了简单介绍，并通过与原有方案的对比突出了现有技术方案的特点，以此说明本文工作的实际意义。然后，我们对工作中所用到的图像预处理算法做了详细的说明，并解释了它们在不同应用场合的作用，为实际工作提供了理论依据。在本文主体部分，我们详细介绍了检测图像的特征定位，以及对目标对象的理解和状态判定。其中，我们给出对超大尺寸图像的分割方法，并提出了一种快速定位椭圆中心的近似方法。在定位搭扣的过程中，我们采用相位分组结合最小二乘法的方案拟合得到检测线段，并做了一些后续处理，最终得到了合理的拟合效果。在目标的检测识别方面，我们针对目标图像的特点，采用了数学形态学方法和贝叶斯分类器进行检测识别。实验表明，这两种方法在识别目标状态时都有较准确的判定效果。最后，我们对全文的工作进行了总结，分析了现有方法存在的不足，并展望了改进的方向。