关键词:
轨道交通安全
图像处理
深度学习
图像去雪
雪情分析
摘要:
在轨道交通场景中,冰雪灾害是导致交通事故的一个重要因素,降雪严重影响着列车运行安全,开展针对轨道沿线雪情实时监测的相关研究具有十分重要的意义。现有的雪情判断标准包括雪水当量、激光雪深测量等方式,这些传统方法均较难达到实时性监测,且装置测量误差较大,难以满足轨道沿线的监测需求。基于以上问题,论文提出基于图像处理的雪情监测方法作为解决方案,主要工作如下:从静态及动态角度对雪粒子特征进行分析,根据其高亮度、无明显纹理特征、分布不规律等成像特点,设计了适用于雪情分析的背景差分法。该方法中背景还原工作是核心所在,文章根据传统图像处理及深度学习技术,分别制定了基于改进引导滤波和基于融合卷积神经网络的背景还原方法并进行背景差分实验。最后将两种算法结果进行多层次对比,分析其优劣势及适用条件,并对算法的工程应用进行探讨。完成雪花分割后,论文对二值图像特征进行分析对比,最终确定雪花占屏面积作为全局雪情判断尺度,设计计算表达式并定义场景降雪强度指标,为轨道沿线降雪场景提供量化标准。最后,论文从系统架构角度对轨道沿线雪情监测系统进行设计,通过需求分析,从具体功能出发定义模块构成,为雪情监测系统建设提供参考。论文应用图像处理技术分割雪花,制定对应的雪情判断标准,对雪情监测系统进行设计,为雪天轨道沿线监测及预警工作提供一定的技术支持,保障雪天轨道交通系统运营的安全性。