科研之友
微信
新浪微博
Facebook
分享链接
摘要
列车车底部件检测通常采用对应区域比对策略,模板图像和当前图像因抖动造成差异,产生图像配准偏差直接影响检测结果。提出一种基于深度学习的图像快速配准算法,通过图像块的四角点单应性参数化,完成一幅图像至另一幅图像的映射,构成动车车底图像数据集,其中通过均方误差回归局部区域的角点的形变量,获得单应性矩阵,同时在预处理阶段,对图像进行直方图均衡化,放大特征,最后利用单应性矩阵对待配准图像进行仿射变换。为了验证模型的有效性,在动车车底图像上进行了测试,并对比几种经典模型,结果证明文中所提模型具有很好的性能。
- 单位
