铁路线山体滑坡灾害图像识别技术研究

admin

题目：


雅宝题库答案：

****此区域为收费内容****    需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
    随着计算机视觉和工业智能的发展，二维图像识别技术成为当前的一个研究热点，在图像理解、模式识别和工业自动化等领域具有广泛的应用。与仅基于图像灰度的识别技术相比，基于目标特征的识别技术具有更强的鲁棒性和更高的识别率。因此基于特征的二维图像识别技术研究具有重要的意义。    本文旨在利用图像识别的方法对铁路沿线山体滑坡情况进行检测。提出了基于图像的纹理特征、颜色特征、分割特征和梯度特征的目标特征提取方法，并分别利用支持向量机和BP神经网络分类方法对铁路沿线山体滑坡灾害情况进行识别，最终得到识别率并进行分析。论文完成的主要工作包括以下几个方面：    1. 分析了二维图像识别技术的发展现状，对传统识别中特征的选择、提取和目标识别方法进行了比较研究；    2. 研究小波尺度共生矩阵的纹理特征提取。分析了小波分解的基本原理，在小波分解的基础上，选择了共生矩阵中的对比度、相关性、角二阶矩、熵、局部平稳5种特征参数来描述图像的纹理特征；并提出纵向划分检测窗口的方法；    3. 研究基于加权分块颜色直方图的颜色特征提取。将图像转换到HIS颜色空间，根据识别目标特点划分区域，提取各分块的主颜色作为颜色特征；    4. 研究基于RGB颜色空间的分割特征提取。利用山体发生滑坡时植被和土地颜色的对比，将图像分割为两种区域，提取分割特征；    5. 研究山体滑坡图像梯度特征提取。利用滑坡图像中滑坡处较为明显的边缘信息，提取梯度信息特征值；    6. 选取支持向量机和BP神经网络识别方法为研究重点，分别研究两种算法的基本理论和方法、分类器的训练过程、及其在图像识别和分类上的具体应用；    7. 将上述特征提取方法和两种分类方法分别应用在滑坡灾害的图像识别检测中，将所有图像进行识别方法的识别率测试。分别描述了四种特征对于滑坡图像和正常山体图像的实验结果，简述滑坡识别系统界面及操作步骤和方法。    论文研究解决的铁路线山体滑坡灾害图像识别技术，为实现铁路沿线环境自动识别奠定了基础。