高速铁路场景的分割与识别算法
为实现高速铁路周界侵限检测系统自动识别轨道区域的功能,提出了一种自适应的图像分割与识别算法.计算了每个场景的直线特征极大值以调节自适应参数,提出了新的基于边界点权重及区域面积的聚类组合规则,将碎片化区域快速组合成局部区域;简化了卷积神经网络,通过对卷积核进行预训练并在损失函数中增加稀疏项来提高特征图的差异性.在不使用显卡的前提下,对比实验结果表明所提算法的像素准确率最高(95.9%),计算时间最短(2.5 s),网络参数约为0.18×106个,在分割精准度、识别准确率、计算时间、人工操作复杂度和系统硬件成本等之间找到了有效平衡点,提高了铁路周界侵限检测系统的自动化程度和工作效率.
图像处理、场景分割、场景识别、多尺度边缘检测、卷积神经网络
39
TP391.4(计算技术、计算机技术)
国家重点研发计划高速铁路系统安全保障课题2016YFB1200401
2019-07-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
111-118