期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

关于降低雨天TEDS故障自动识别误报警的研究

原文传递
导出
摘要 动车组运行故障图像检测系统(TEDS)在保障动车行驶安全上,是一种极其重要的辅助设备.但是在比较恶劣的环境下,例如暴雨、暴雪天气等,由于受到拍摄图像质量问题的干扰,会导致系统存在误报警较多、准确率不高的情况.针对此问题,本文从源头出发,提出了一种基于图像处理的修复雨天图像的方法,其主要采用高斯滤波算法、Canny边缘检测算法、霍夫特征检测算法、维纳滤波、FMM(Fast Matching Method)算法以及基于图像分解的修补方法等处理图像,最大限度地将图像还原至非雨天时的状态.经实数据表明,该修复方法能够降低TEDS自动识别报警的误报率,提升准确率和识别率.
作者 李卓亮
机构地区 广州铁路局集团公司广州动车段技术科
出处 《运输经理世界》 2020年第7期18-19,共2页 Transport Business China
关键词 修复图像 高斯滤波 CANNY算法 霍夫变换 降低误报率
分类号 TP3 [自动化与计算机技术—计算机科学与技术]
  • 相关文献

参考文献3

二级参考文献26

  • 1赵树森,陈思嘉,沈京玲.用支持向量机识别毒品的太赫兹吸收光谱[J].中国激光,2009,36(3):752-757. 被引量：19
  • 2SEGHIR Z A, HACHOUF F. Full-reference image quality assessment measure based on color distortion [ C ]. Computer Science and Its Applications. Berlin : Springer International Publishing, 2015: 66-77.
  • 3KHOSRAVI M H, HASSANPOUR H. Model-based full reference image blurriness assessment [ J ]. Multimedia Tools & Applications, 2016 : 1-15.
  • 4LIU L, DONG H, HUANG H, et al. No-reference image quality assessment in curvelet domain [ J ]. Signal Processing: Image Communication, 2014, 29 ( 4 ) : 494-505.
  • 5WANG X, LIU Q, WANG R, et al. Natural image statistics based 3D reduced reference image quality assessment in contourlet domain [ J ]. Neuroeomputing, 2015, 151(3) : 683-69l.
  • 6LI Y, PO L M, XU X, et al. No-reference image quality assessment with shearlet transform and deep neural networks [ J ]. Neuroeomputing, 2015, 154 (4) : 94-109.
  • 7ZHANG M, MURAMATSU C, ZHOU X et al. Blind image quality assessment using the joint statistics of generalized local binary pattern [ J ]. Signal Processing Letters, IEEE, 2015, 22(2): 207-210.
  • 8MITYAL A, MOORTHY A K, BOVIK A C. No- reference image quality assessment in the spatial domain[J]. IEEE Transactions on Image Processing, 2012, 21(12): 4695-4708.
  • 9LIU L X, LIU B, HUANG H et al. No-reference image quality assessment based on spatial and spectral entropies[ J]. Signal Processing: Image Communication, 2014, 29(8) : 856-863.
  • 10HOU W, GAO X, TAO D et al. Blind image quality assessment via deep learning[ J]. IEEE Transactions on Neural Networks and Learning Systems, 2015, 26 (6) : 1275-1286.

共引文献27

运输经理世界
2020年 第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部