当前位置: 首页 > 专利查询>中南大学专利>正文

TVDS图像配准方法、分割方法、设备及介质技术

技术编号:38023464 阅读:13 留言:0更新日期:2023-06-30 10:50
本发明专利技术公开了一种TVDS图像配准方法、分割方法、设备及介质,其中配准方法包括:获取待配准TVDS图像并识别车厢型号;根据车厢型号搜索对应模板图像;对待配准TVDS图像和模板图像进行特征提取;基于滑动窗口的方式对待配准TVDS图像和模板图像中非感兴趣区域进行特征筛选;采用双向匹配策略对特征点进行匹配;将待配准TVDS图像与模板图像垂直排列,各特征点匹配对之间进行连线,依次剔除交点数最多的特征点匹配对,直至所有连线无交点;基于剔除后的匹配结果计算两图像之间的变换参数矩阵,基于变换参数矩阵对待配准TVDS图像进行畸变校正。能够有效解决同型不同主体列车图像之间的配准问题,减少对模板图像的需求。减少对模板图像的需求。减少对模板图像的需求。

【技术实现步骤摘要】
TVDS图像配准方法、分割方法、设备及介质


[0001]本专利技术涉及图像处理
,尤其涉及一种TVDS图像配准方法、分割方法、设备及介质。

技术介绍

[0002]在客车故障轨边图像检测系统(TVDS)中,一般采用具有高敏感性、高分辨率、和高动态性的线阵相机对动态过检列车进行成像。线阵相机对运动物体成像时,目标运行速度对成像质量影响很大。当物体匀速运行时,图像成像较为均匀,没有形变。但是在实际应用中,目标运行速度并不是完全理想恒定的,在列车运行方向上,物体所成的像往往会出现拉伸或压缩等变形现象。列车速度对成像的影响具体表现为:线阵相机扫描频率固定,当运行的物体速度变快时,物体成像的图像抽样间隔变大,目标被压缩;当物体运行速度变慢时,图像抽样间隔变小,目标被拉伸。在竖直方向上,由于列车和相机不存在相对运动,所以图像不存在几何的变形问题。在水平方向上,物体被拉伸或者压缩。会使序列图像的整体数量发生变化。同一类型的列车在不同时间经过线阵相机时,往往会获得不同数量的图像,相应的图像也会对应列车的不同位置,给后续目标的自动定位、识别以及故障的自动检测带来挑战。目前,典型的图像配准方法主要包括基于区域的方法和基于特征的方法,在应用于铁路图像配准时,由于存在同型不同主体列车,即车型相同,但是编号不同,列车结构细节略有不同,通常采用一个车厢对应一个模板,即只针对单一主体,需要的模板数量多,造成人工成本过大。

技术实现思路

[0003]本专利技术提供了一种TVDS图像配准方法、分割方法、设备及介质,以解决现有的TVDS图像配准需要模板数量多,造成成本高的问题。
[0004]第一方面,提供了一种TVDS图像配准方法,包括:
[0005]S1:获取待配准TVDS图像,并识别其对应的车厢型号;
[0006]S2:根据车厢型号搜索对应车厢型号的模板图像;
[0007]S3:使用特征检测器提取待配准TVDS图像和模板图像的特征点及对应的特征描述符;
[0008]S4:特征筛选,对于待配准TVDS图像和模板图像中非感兴趣区域,基于滑动窗口的方式从每个窗口中筛选特征点作为有效特征点,以替代对应窗口中所有特征点;
[0009]S5:对应完成特征筛选的待配准TVDS图像和模板图像,采用双向匹配策略对特征点进行匹配,得到特征点匹配对集;
[0010]S6:将待配准TVDS图像与模板图像垂直排列,对各特征点匹配对之间进行连线,分别计算每个特征点匹配对之间连线上的交点数并进行排序,依次剔除交点数最多的特征点匹配对,直至所有特征点匹配对之间连线无交点;
[0011]S7:基于待配准TVDS图像和模板图像中保留的特征点匹配对,计算两图像之间的
变换参数矩阵,基于变换参数矩阵对待配准TVDS图像进行畸变校正。
[0012]根据第一方面,在一种可能的实现方式中,所述待配准TVDS图像通过如下方法得到:
[0013]获取拍摄的车辆运行状态的序列图像,以车厢为单位对序列图像进行拼接,得到每节车厢对应的待配准TVDS图像。
[0014]根据第一方面,在一种可能的实现方式中,所述步骤S1中,通过OCR技术识别待配准TVDS图像对应的车厢型号。
[0015]根据第一方面,在一种可能的实现方式中,所述步骤S3中,所述特征检测器为SIFT特征检测器或Fast特征检测器。
[0016]根据第一方面,在一种可能的实现方式中,所述步骤S4中,基于滑动窗口的方式从每个窗口中筛选特征点作为有效特征点,包括:
[0017]基于滑动窗口的方式分别对待配准TVDS图像和模板图像中非感兴趣区域进行窗口划分;
[0018]计算每个窗口内所有特征点的中心点;
[0019]选择每个窗口内距离其对应的中心点距离最近的特征点作为该窗口的有效特征点。
[0020]根据第一方面,在一种可能的实现方式中,所述步骤S5中,采用双向匹配策略对特征点进行匹配,得到特征点匹配对集,包括:
[0021]遍历待配准TVDS图像中每个特征点与模板图像中每个特征点的欧氏距离;
[0022]遍历模板图像中每个特征点与待配准TVDS图像中每个特征点的欧式距离;
[0023]以不同图像中的两个特征点互相为各自特征点最近邻时匹配成功为依据,得到特征点匹配对集。
[0024]根据第一方面,在一种可能的实现方式中,所述步骤S6中,每次剔除交点数最多的特征点匹配对后,重新计算每个特征点匹配对之间连线上的交点数并进行排序,然后再剔除交点数最多的特征点匹配对,以此类推,直至所有特征点匹配对之间连线无交点。
[0025]根据第一方面,在一种可能的实现方式中,所述步骤S7中,通过RANSAC算法或MAGSAC算法计算得到待配准TVDS图像和模板图像之间的变换参数矩阵。
[0026]第二方面,提供了一种TVDS图像分割方法,包括:
[0027]获取TVDS图像,并采用如上所述的TVDS图像配准方法对其进行配准,得到配准后的TVDS图像;
[0028]将配准后的TVDS图像与对应的模板图像对齐;
[0029]根据模板图像中目标部件位置对配准后的TVDS图像进行分割,得到配准后的TVDS图像中目标部件图像。
[0030]第三方面,提供了一种电子设备,包括:
[0031]存储器,其上存储有计算机程序;
[0032]处理器,用于加载并执行所述计算机程序,以实现如上所述的TVDS图像配准方法或TVDS图像分割方法。
[0033]第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的TVDS图像配准方法或TVDS图像分割方法。
[0034]本专利技术提出了一种TVDS图像配准方法、分割方法、设备及介质,对于图像中的非感兴趣区域采用滑动窗口的方式进行特征点筛选,降低非感兴趣区域对图像配准的过度干扰,降低计算成本;然后采用双向匹配策略实现特征点的粗匹配,然后再根据几何交叉一致性错误匹配剔除错误的匹配,然后进行图像的配准。本专利技术能够有效解决同型不同主体列车图像之间的配准问题,每一种车型只需一个模板图像,不再需要为每一个车厢匹配一个模板图像,大大减少了对模板图像的需求,降低人工成本,而且配准精度高,有利于实现精准的图像分割。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术实施例提供的同型不同主体列车对比示例图;
[0037]图2是本专利技术实施例提供的TVDS图像配准方法流程图;
[0038]图3是本专利技术实施例提供的TVDS图像分割方法流程图。
具体实施方式
[0039]为使本专利技术的目的、本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种TVDS图像配准方法,其特征在于,包括:S1:获取待配准TVDS图像,并识别其对应的车厢型号;S2:根据车厢型号搜索对应车厢型号的模板图像;S3:使用特征检测器提取待配准TVDS图像和模板图像的特征点及对应的特征描述符;S4:特征筛选,对于待配准TVDS图像和模板图像中非感兴趣区域,基于滑动窗口的方式从每个窗口中筛选特征点作为有效特征点,以替代对应窗口中所有特征点;S5:对应完成特征筛选的待配准TVDS图像和模板图像,采用双向匹配策略对特征点进行匹配,得到特征点匹配对集;S6:将待配准TVDS图像与模板图像垂直排列,对各特征点匹配对之间进行连线,分别计算每个特征点匹配对之间连线上的交点数并进行排序,依次剔除交点数最多的特征点匹配对,直至所有特征点匹配对之间连线无交点;S7:基于待配准TVDS图像和模板图像中保留的特征点匹配对,计算两图像之间的变换参数矩阵,基于变换参数矩阵对待配准TVDS图像进行畸变校正。2.根据权利要求1所述的TVDS图像配准方法,其特征在于,所述待配准TVDS图像通过如下方法得到:获取拍摄的车辆运行状态的序列图像,以车厢为单位对序列图像进行拼接,得到每节车厢对应的待配准TVDS图像。3.根据权利要求1所述的TVDS图像配准方法,其特征在于,所述步骤S1中,通过OCR技术识别待配准TVDS图像对应的车厢型号。4.根据权利要求1所述的TVDS图像配准方法,其特征在于,所述步骤S3中,所述特征检测器为SIFT特征检测器或Fast特征检测器。5.根据权利要求1所述的TVDS图像配准方法,其特征在于,所述步骤S4中,基于滑动窗口的方式从每个窗口中筛选特征点作为有效特征点,包括:基于滑动窗口的方式分别对待配准TVDS图像和模板...

【专利技术属性】
技术研发人员:龙军欧毅奇化刘杰齐倩倩罗跃逸
申请(专利权)人:中南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1