铁道学报
鐵道學報
철도학보
2013年
9期
59-64
,共6页
图像分割%自适应单通道种子选取(APSS)%K均值聚类%铁路货运安全监控系统%线阵CCD相机
圖像分割%自適應單通道種子選取(APSS)%K均值聚類%鐵路貨運安全鑑控繫統%線陣CCD相機
도상분할%자괄응단통도충자선취(APSS)%K균치취류%철로화운안전감공계통%선진CCD상궤
image segmentation%APSS%K-Means%rail freights inspection system%line-scan CCD camera
利用线阵CCD摄像头采集到的货车货物装载图像,提出一种经过改进的货车货物分割方法.首先,利用优化后的多尺度Retinex(MSR)算法对图像进行增强预处理,然后使用自适应单通道种子选取算法(APSS)获得图像中灰度Gabor纹理特征分布中心点的初始值,并用K-Means算法进行图像兴趣区域的分割,在此基础上利用邻域特征对图像中的兴趣区域进行重新合并,得到最终的分割结果.实验表明,该方法能提高图像中不同区域的分割精度,有较强的抗噪性,还减少了图像分割中的迭代次数,降低了计算复杂度,可以广泛应用到自然环境中车辆图像的分割.在基于线阵CCD铁路货运安全监控系统中货物检查的实际应用中,该方法的货物分割错误率较低,保证了检测系统的问题识别准确率.
利用線陣CCD攝像頭採集到的貨車貨物裝載圖像,提齣一種經過改進的貨車貨物分割方法.首先,利用優化後的多呎度Retinex(MSR)算法對圖像進行增彊預處理,然後使用自適應單通道種子選取算法(APSS)穫得圖像中灰度Gabor紋理特徵分佈中心點的初始值,併用K-Means算法進行圖像興趣區域的分割,在此基礎上利用鄰域特徵對圖像中的興趣區域進行重新閤併,得到最終的分割結果.實驗錶明,該方法能提高圖像中不同區域的分割精度,有較彊的抗譟性,還減少瞭圖像分割中的迭代次數,降低瞭計算複雜度,可以廣汎應用到自然環境中車輛圖像的分割.在基于線陣CCD鐵路貨運安全鑑控繫統中貨物檢查的實際應用中,該方法的貨物分割錯誤率較低,保證瞭檢測繫統的問題識彆準確率.
이용선진CCD섭상두채집도적화차화물장재도상,제출일충경과개진적화차화물분할방법.수선,이용우화후적다척도Retinex(MSR)산법대도상진행증강예처리,연후사용자괄응단통도충자선취산법(APSS)획득도상중회도Gabor문리특정분포중심점적초시치,병용K-Means산법진행도상흥취구역적분할,재차기출상이용린역특정대도상중적흥취구역진행중신합병,득도최종적분할결과.실험표명,해방법능제고도상중불동구역적분할정도,유교강적항조성,환감소료도상분할중적질대차수,강저료계산복잡도,가이엄범응용도자연배경중차량도상적분할.재기우선진CCD철로화운안전감공계통중화물검사적실제응용중,해방법적화물분할착오솔교저,보증료검측계통적문제식별준학솔.
