轨道交通视觉监测中的图像复原技术研究

• 作 者: 徐志远
• 出 处: 北京交通大学
• 发表日期: 2020年01期
• 关键词: 视觉监测 图像去模糊 图像倾斜校正 自动判读 生成对抗网络

随着计算机视觉的发展,基于计算机视觉的监测方法以其高速、高精度、非接触与智能化的特点,在轨道交通领域得到了广泛的应用,对保障轨道交通安全起着重要的作用。但视觉监测方法受自身硬件条件、工作环境影响较大,尤其是轨道交通运行状态下监测图像的质量退化问题,严重影响了监测精度和监测效率,使轨道交通视觉监测研究面临着极大挑战。针对轨道交通视觉监测中出现的图像倾斜和模糊等质量退化问题,本文深入研究了现有图像复原方法,提出了针对轨道交通视觉监测图像的倾斜校正与去模糊方法,并结合结果可信度计算,开发了位移监测图像高精度自动判读系统,实现了基于计算机视觉的轨道交通位移高精度自动监测。本文的主要研究内容如下:(1)提出了一种基于单应变换的位移监测图像倾斜校正算法。在监测图像拍摄的过程中,受环境干扰,相机和监测区域会产生复杂的拍摄角度,导致监测图像刻度尺区域倾斜变形,严重影响位移判读精度。为此本文提出了基于单应变换的倾斜校正算法,该算法以监测图像的几何先验为基础计算单应矩阵,通过单应变换实现倾斜图像校正。在尖轨伸缩位移监测图像上进行实验,实验结果表明,较倾斜校正前,本算法将位移监测图像的判读准确率提升了1.4%。(2)提出了一种引入边缘特征判别器的监测图像去模糊GAN。受生成对抗网络生成器和判别器之间博弈思想的启发,考虑到监测图像的边缘特征,提出了一种引入边缘特征判别器的去模糊GAN,该网络模型以生成对抗网络(GAN)为基础,引入图像边缘特征判别器来保证图像边缘纹理的相似度和连贯性,引导该网络加强去模糊监测图像的边缘特征。在轨道交通尖轨伸缩位移数据集与钢轨-轨道板位移数据集上进行实验,结果表明本网络模型能较好的复原模糊图像的边缘纹理细节。与模糊图像相比,复原后监测图像的平均判读误差缩小了12%。(3)设计开发了位移监测图像高精度自动判读系统。为了减少位移监测图像的判读时间与人力成本,实现自动化判读,设计开发了自动判读系统。该系统集成了本文提出的图像倾斜校正与去模糊算法,并结合监测图像的几何先验进行判读结果的可信度计算,提高了系统的鲁棒性及判读结果的可靠性。系统测试表明,该系统满足轨道交通位移视觉监测的工程需求,较现有位移监测系统的判读准确率提高了4.8%。