轨道视觉检测系统中行程编码的应用研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (19): 169-172.

轨道视觉检测系统中行程编码的应用研究

闵永智1，康飞1，党建武1，邓岳2

1.兰州交通大学自动化与电气工程学院，兰州 730070
2.中国北车集团大连机车车辆有限公司，辽宁大连 116000

出版日期:2015-09-30 发布日期:2015-10-13

Study on application of run length encoding in track visual inspection system

MIN Yongzhi1, KANG Fei1, DANG Jianwu1, DENG Yue2

1.School of Automation and Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China
2.Dalian Locomotive and Rolling Stock CO., LTD. CNR Group, Dalian, Liaoning 116000, China

Online:2015-09-30 Published:2015-10-13

摘要/Abstract

摘要： 利用行程编码针对背景冗余计算的优化特性与交、并简便运算特点对二值图像形态学膨胀算法进行优化，并提出基于行程编码优化的形态学膨胀算法。利用算法对轨道轮廓二值图像进行形态学膨胀处理；依据优化前后的图像处理结果和速度进行对比分析。该算法能去除边缘毛刺与断线现象；轨道轮廓单帧图像经过优化处理后的速度提高5倍，轨道视觉检测系统的检测精度可提高到20点/m。

关键词: 行程编码, 形态学膨胀, 图像处理, 视觉检测, 轨道

Abstract: This paper optimizes the binary image morphological dilation algorithm by run length encoding with the optimization features in background redundant and intersection and union simple operation, and proposes the run length encoding-
morphological dilation optimized algorithm. It processes the track contour binary image in morphological dilation by the optimized algorithm. The compared analysis is based on the image processing result and the speed before and after optimization. The edge burr and disconnection phenomenon can be removed by the optimized algorithm. The processing result of the track contour single frame image increases 5 times, and the detection accuracy of the track visual inspection system can be improved to 20 points per meter.

Key words: run length encoding, morphological dilation, image processing, visual inspection, track

闵永智1，康飞1，党建武1，邓岳2. 轨道视觉检测系统中行程编码的应用研究[J]. 计算机工程与应用, 2015, 51(19): 169-172.

MIN Yongzhi1, KANG Fei1, DANG Jianwu1, DENG Yue2. Study on application of run length encoding in track visual inspection system[J]. Computer Engineering and Applications, 2015, 51(19): 169-172.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[14]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[15]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.