科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对铁路C4检测车夜间采集图像由于补光不足造成的对比度偏低、亮度不足、明暗不均，严重影响后续故障识别及人工校验问题，提出一种基于深度强化学习的局部零部件区域像素级接触网图像质量增强方法。为克服接触网检测图像无效背景区域像素占比大、传统全局图像增强算法受背景干扰效果差的问题，基于PixelRL强化学习理论，设计针对接触网图像统计特征的多Agent动作组合；为得到配对训练数据集，利用EnlightenGAN算法，在对抗中生成增强的接触网配对图像；以局部像素点为操作对象，实现迭代过程中像素操作的可视化，整体算法具有较高的可解释性。实验结果表明：本方法可以在实现接触网图像增强的同时避免检测图像背景区域干扰，克服局部零部件区域像素特征信息丢失，不同区域图像亮度均衡性优于传统算法。
- 单位
