基于边缘检测的高速铁路设备识别方法研究

摘要

在我国高速铁路大发展的背景下，铁路运输的安全问题成为人们关注的焦点。通过人工来监测高铁运行设备效率低下，采用技术手段来处理这一问题势在必行。从二十世纪六十年代，图像边缘检测逐渐引起关注并成为热点。长期以来，学者专家对图像边缘检测提出很多经典算法，但是目前常规的边缘检测算法的抗噪声能力不强，适应性不足，还存在较大的提高空间。传统的边缘检测算法都是基于微分算子来计算图像的梯度， 本文首先论述了边缘检测的国内外研究现状以及边缘检测的基本处理步骤。其次分别比较了传统的边缘检测算法包括Sobel算子、Roberts算子、LoG算法、Prewitt算子、Canny算子的优缺点。之后改进Canny算子和拉普拉斯算子并应用到高铁图像边缘检测中。本文的工作主要体现在以下方面： （1）对比传统的边缘检测算法，包括基于一阶微分的检测算子、基于二阶微分的检测算子、LoG算法和Canny算法，通过三类图像来比较图像的优缺点。 （2）针对Canny算子的缺陷，把高斯滤波器改成自适应中值滤波器，并通过Otsu算法来进行算法的阈值选取。通过基于线性边缘增强技术来处理高速铁路设备中细小虚假边缘。 （3）介绍了小波变换的基本理论，通过对比不同的阈值处理函数和阈值选取方法，将不同的小波基分别进行图像的去噪处理，寻找最适合高铁图像的处理方法。最终确定局部自适应BayesShrink阈值结合Daubechies小波基可以带来更好的去噪效果，结合拉普拉斯边缘检测算子可以得到较好的边缘检测效果。

目录

第一个书签之前