学位论文 > 优秀研究生学位论文题录展示

基于DSP的轨道表面缺陷检测算法的研究与实现

作　者: 阳剑
导　师: 储珺
学　校: 南昌航空大学
专　业: 机械工程
关键词: 轨道缺陷检测嵌入式机器视觉 DSP Canny边缘检测 LVQ神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 78次
引　用: 0次
阅　读: 论文下载

内容摘要

基金资助：本文得到江西日月明公司“RYM2000型铁道部件缺陷图像检测系统”预研项目的资助。铁路运输业的飞速发展，使得人们愈来愈重视对轨道部件进行安全检查。长期以来我国在这一领域都是依靠大量有经验的工人进行巡检，不但费时费力、自动化程度低，而且高速运行的列车还会极大的威胁巡道工人的人身安全。机器视觉系统具有速度快、精度高、非接触等优点，将其应用于轨道表面缺陷检测，能够有效地克服人工检测方式的不足，提高轨道部件安全检查设备的自动化程度。而视觉检测系统要完成轨道表面缺陷的在线检测，必须提高视觉图像的处理速度，采用DSP可以很好的满足这个要求，DSP凭借其无与伦比的运算速度在视频智能监控、多媒体应用等领域有广泛的应用，在视觉检测中作为一个新的独立的应用领域也越来越引起研究者的重视。在此背景下，结合嵌入式系统的优点，本文针对铁轨表面缺陷检测系统的特殊应用，对铁轨缺陷检测的相关算法进行了研究，并将这些算法进行DSP嵌入式硬件实现。本文主要围绕以下几个方面开展研究：针对轨道表面缺陷图像检测的特点，提出了一种轨道区域定位的新方法：即按多次静态试验得出的实际值来确定裁剪区域边界参数，并对轨道区域进行裁剪定位，该方法不但能够达到对轨道区域定位的效果，而且只需在软件程序中直接按实验所得到的具体裁剪参数值来设定参数完成裁剪，省去了为进行轨道区域定位而进行的运算，简化了整个图像处理算法的流程，与其它定位方法相比，节省了时间，适合于实际工程应用。提出了一种基于改进的自适应Canny算法的轨道表面缺陷检测算法。通过对常用的图像分割方法的分析和实验，发现基于边缘的图像分割方法适合快速的轨道表面缺陷检测的要求。并针对Canny算法中平滑尺度参数和双阈值选取自适应性差的问题进行了改进，将当前像素点的灰度值与滤波器窗口内的图像灰度中值之差作为高斯滤波器的参数，即使用尺度参数自适应调整的高斯滤波方法替代原先的固定尺度参数的高斯滤波方法，更好的根据不同复杂度的实际图像来实现平滑去噪。用改进的双阈值自适应选择方法代替原先的固定双阈值选择方法，即根据具体的图像特征，确定出各个图像各自不同的阈值从而达到了双阈值的自适应选择。根据提取的缺陷主要几何特征和形状特征，分析选择了其中最能体现两类缺陷区别的长宽比和复杂度作为分类器的输入特征向量，设计了适合本课题研究对象的LVQ神经网络分类器，完成对疤痕和裂纹两类缺陷的分类。根据项目的应用特点和当前的研究趋势，选择采用了TI的综合处理能力强的专门视频处理DSP—DM642，并搭建了基于DSP的嵌入式机器视觉系统图像处理平台，完成了硬件的初始化和调试工作。完成了算法的DSP移植工作。首先在Matlab7.0环境进行算法的仿真和改进研究，然后在TI提供的DSP软件开发环境CCS3.1中完成了算法开发和DSP的硬件实现。亦即最终在此DSP图像处理平台上，完成图像采集、轨道区域定位、平滑、边缘检测和识别。

全文目录

摘要  4-6
Abstract  6-8
目录  8-10
第1章绪论  10-19
  1.1 课题的研究背景及意义  10-12
  1.2 国内外研究现状  12-15
    1.2.1 轨道缺陷检测技术的发展  12-13
    1.2.2 机器视觉及图像处理系统的的发展  13-15
  1.3 研究趋势分析  15-17
  1.4 本文主要研究内容和结构安排  17-19
    1.4.1 课题来源和本文的主要工作  17
    1.4.2 结构安排  17-19
第2章轨道表面缺陷检测算法研究  19-38
  2.1 引言  19
  2.2 轨道区域定位  19-22
    2.2.1 已有的方法  20-21
    2.2.2 本文的方法  21
    2.2.3 实验结果及分析  21-22
  2.3 轨道图像的预处理算法  22-26
    2.3.1 平滑去噪  23-24
    2.3.2 实验结果及分析  24-26
  2.4 轨道表面缺陷的检测和定位  26-37
    2.4.1 基于区域的分割  26-28
    2.4.2 基于边缘的分割  28-30
    2.4.3 基于改进的Canny算法的轨道表面缺陷区域检测和定位  30-36
      2.4.3.1 经典Canny算法原理及其存在的问题  30-32
      2.4.3.2 本文改进的Canny方法  32-36
    2.4.4 实验结果及分析  36-37
  2.5 本章小结  37-38
第3章轨道表面缺陷特征提取和识别  38-47
  3.1 缺陷特征的描述  38-39
  3.2 特征提取及特征参数选择  39-40
    3.2.1 特征量计算  39-40
    3.2.2 特征参数分析与选择  40
  3.3 缺陷的识别与分类  40-46
    3.3.1 LVQ神经网络算法原理  41-44
    3.3.2 LVQ神经网络的训练  44-46
    3.3.3 缺陷识别实验与结论  46
  3.4 本章小结  46-47
第4章基于DSP的嵌入式图像处理平台的搭建与算法实现  47-64
  4.1 引言  47-48
  4.2 嵌入式DSP图像处理平台的搭建  48-52
    4.2.1 DSP图像处理平台的选择  48-49
    4.2.2 基于DSP的图像处理平台硬件结构组成  49-52
    4.2.3 系统的工作流程  52
  4.3 基于CCS的图像处理程序设计  52-54
    4.3.1 CCS3.1集成开发环境  52-53
    4.3.2 CCS3.1开发环境的使用  53-54
  4.4 算法的DSP实现  54-63
    4.4.1 驱动程序的设计  54-58
    4.4.2 单个算法的DSP实现  58-61
    4.4.3 轨道表面缺陷检测算法的DSP实现  61-63
  4.5 本章小结  63-64
第5章总结与展望  64-67
  5.1 全文的工作总结  64-65
  5.2 对课题的展望  65-67
参考文献  67-71
攻读硕士学位期间发表的论文和参加科研情况  71-72
致谢  72-73
附录 DSP图像处理平台硬件  73-74

基于DSP的轨道表面缺陷检测算法的研究与实现

内容摘要

全文目录

相似论文