声明
致谢
1 绪论
1.1研究背景
1.2研究目的及意义
1.3国内外研究现状
1.3.1高铁周界入侵图像检测分析方法研究及技术应用现状
1.3.2图像去雾模型方法研究现状
1.3.3图像去雨模型方法研究现状
1.3.4基于深度学习的目标智能检测分析方法研究现状
1.4本文研究内容与组织结构
2 相关基础理论方法和铁路场景数据集构建
2.1相关基础理论方法
2.1.1目标检测框架
2.1.2图像增强基本模块
2.1.3多尺度
2.1.4注意力机制
2.2铁路场景数据集构建
2.2.1 数据集框架搭建
2.2.2 数据采集
2.2.3 数据标注
2.2.4 数据集目标大小统计
2.3本章小结
3 基于改进残差块多采样融合的高铁周界图像去雾方法
3.1图像去雾原理
3.2高铁周界图像去雾模型研究
3.2.1多采样融合网络结构设计
3.2.2改进残差块
3.2.3参数配置
3.2.4组合损失函数
3.2.5数学表达与模型优化
3.3实验与结果分析
3.3.1实验数据
3.3.2图像质量评价指标
3.3.3实验结果
3.3.4损失函数消融实验
3.4本章小结
4 基于跨尺度融合的全卷积高铁周界图像去雨方法
4.1图像去雨原理
4.2高铁周界图像去雨模型研究
4.2.1跨尺度融合网络结构设计
4.2.2 参数配置
4.2.3组合损失函数
4.3实验与验证
4.3.1实验数据
4.3.2合成铁路雨图数据集
4.3.3组合损失函数消融实验
4.3.4算法加速实验
4.3.5实验与结果分析
4.4本章小结
5 基于先验框聚类与注意力机制的高铁周界入侵小目标检测方法
5.1铁路周界入侵小目标检测模型
5.1.1 anchor先验框聚类
5.1.2数据扩增
5.1.3 YOLO-SE算法结构
5.1.4组合损失函数
5.2目标检测评价指标
5.3 消融实验
5.3.1 注意力机制模块对比
5.3.2聚类anchor结果对比
5.3.3数据扩增对比
5.4 实验与验证
5.4.1铁路周界入侵实验数据
5.4.2参数设计
5.4.3实验与结果分析
5.5本章小结
6 典型恶劣天气条件下高铁周界入侵检测集成模型
6.1雾天条件下的高铁周界入侵检测集成算法
6.1.1雾天集成算法结构
6.1.2实验对比
6.2雨天条件下的高铁周界入侵检测集成算法
6.2.1 雨天集成算法结构
6.2.2 实验对比
6.3本章小结
7 总结与展望
7.1研究结论与创新点
7.2研究展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;