复杂环境下基于视觉显著性特征的铁轨识别方法

• 作者: 宋亚帆 潘迪夫 韩锟
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 边缘检测 复杂环境 显著性评价 多尺度Gabor算子
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 轨道与基础
• 页码范围: 871-879
• 页数: 9页
• 分类号: U216|TP391
• 字数: 4800字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7029.2018.04.007

摘要

为解决复杂环境下铁轨边缘识别问题, 提出一种基于显著性特征的复杂环境铁轨识别方法:通过引入多尺度Gabor能量算子和环境抑制算子,建立基于视觉机制的边缘检测模型,实现铁轨边缘特征的检测,并对环境干扰信息进行抑制;建立铁轨显著性评价模型,对检测结果中对非铁轨边缘进行滤除;提出基于统计学的铁轨特征增强方法,对铁轨边缘片段进行连接增强.试验结果表明,该方法对于光照变化和噪声干扰的鲁棒性较强,相比其他的边缘检测方法,更适用于复杂环境下的铁轨识别,同时可以应用于相似检测环境下的其他场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘迪夫	中南大学交通运输工程学院	57	916	11.0	29.0
2	韩锟	中南大学交通运输工程学院	32	178	7.0	12.0
3	宋亚帆	中南大学交通运输工程学院	3	9	2.0	3.0