导读:本文包含了铁轨表面缺陷论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,目标检测,卷积神经网络,铁轨表面缺陷
铁轨表面缺陷论文文献综述
刘雄祥[1]（2018）在《基于卷积神经网络的铁轨表面缺陷识别研究》一文中研究指出随着我国铁路的快速发展,铁轨表面缺陷与铁路运输的安全息息相关,因此对于铁轨表面的缺陷检测至关重要,目前已有的传统检测方法很难满足精确且高效的检测要求。而卷积神经网络因为能够自动学习样本特征的特点,所以在图像处理领域相比较其他深度学习模型有着较大的优势。基于卷积神经网络模型的RCNN、Fast RCNN以及Faster RCNN网络结构模型在目标检测方面都比传统的算法有着很大的进步。本文以深度学习为基础,以卷积神经网络的网络结构为核心,从特征提取网络、锚窗设定、输出结果调整以及实验参数设置等方面对Faster RCNN网络模型进行优化与改进,然后采用优化与改进后的网络模型对铁轨表面缺陷进行检测研究,最终能够精确且高效的检测到铁轨表面缺陷。本文针对区域生成网络以及选择搜索算法对于候选区域的提取进行了对比分析,验证了区域生成网络提取候选区域的质量要优于选择搜索算法。同时,在针对Faster RCNN网络结构模型中对于铁轨图像中较小尺寸难以有效检测的问题,通过实验结果表明,使用本文改进的锚窗设定能够准确的检测到较小尺寸的铁轨表面缺陷。实验结果表明,无论在平均检测准确率还是在平均检测时间上,本文采用的检测方法的检测性能要优于基于图像处理的检测方法以及基于未改进的Faster RCNN网络模型的检测方法,在整个铁轨表面缺陷检测中,本文采用的方法在检测准确性和实时性方面都达到了较优的效果。(本文来源于《西南科技大学》期刊2018-05-30）
任俊箫[2]（2017）在《基于图像处理的铁轨表面缺陷检测设计》一文中研究指出随着我国铁路高速发展,传统的铁路轨道检测手段已无法满足高效、准确的检测需要。本文以铁轨图像为研究对象,结合图像处理、模式识别等相关技术,提出一套基于图像处理的铁轨表面缺陷检测系统,该系统能够实现对铁轨表面缺陷区域进行智能识别。本文主要包括以下几方面内容。首先,通过对比几种传统的图像滤波算法,采用一种结合均值的快速中值滤波方法对图像进行初步的滤波处理;结合形态顶帽运算,提出一种基于梯度投影的方法对铁轨表面区域进行定位,通过定位结果验证该方法的有效性。其次,通过对比前后图像的差异,来初步判断图像是否存在缺陷;结合人类视觉注意机制,采用视觉显着性计算方法对缺陷区域进行分割,得到准确的缺陷区域,并与SR算法和Itti算法得到的结果做对比性实验;对缺陷区域进行特征提取,包括缺陷部分的形状特征、几何特征、灰度特征和纹理特征,分析提取到的数据,选取合适的特征训练SVM分类器并完成SVM核函数参数优化,实现缺陷与伪缺陷(轨道连接处)的分类。最后,设计缺陷检测软件来实现上述算法,并对软件的可靠性进行检测。经过实验验证,本文算法具有良好的稳定性,经过统计最终的检测识别率为91.67%,在实际应用中具有参考价值。(本文来源于《西南科技大学》期刊2017-05-31）
盛爱梅[3]（2017）在《基于图像分析的空轨表面缺陷检测》一文中研究指出悬挂式单轨交通(空轨交通)是轨道交通的一种新形式,而轨道运输安全性的提高关系到人身财产安全及路轨畅通等重大问题,为了确保空轨的安全运行,表面缺陷检测即是其中十分重要的一环,针对空轨的具体应用环境本文提出了一种基于图像分析的空轨表面缺陷检测的方法。本文首先按技术需求对缺陷图像进行分析,然后根据实际条件设计了两种检测方法:离线检测及在线检测。离线检测选用的是基于冗余字典稀疏表示的空轨表面缺陷检测算法,主要思想是从大量无缺陷样本图像中提取特征来构建字典并对其进行优化,然后求待测样本在所构造的字典下的稀疏表达系数的稀疏率,然后根据一个实验所设定的阈值来判断是否为缺陷。这种缺陷检测算法的准确率和召回率都比较高,但时间达不到实时性,所以可以用于缺陷的离线检测。另一种方法即在线检测,选用的是一种粗检加细检的空轨表面缺陷快速检测方法,粗检是为了尽可能的回收到正样本(缺陷样本),主要是对摄像头采集到的图像利用一定大小的滑动窗口计算其均值和方差,分析得到一个阈值后将其分成疑似缺陷样本(包括部分正常样本和缺陷样本)和正常样本两部分。细检阶段主要是利用一种基于积分图的Bayes的方法来处理粗检的两部分样本,并利用压缩感知算法将两部分样本的特征都进行了压缩,之后计算分析发现正常部分的样本的每一维都符合一种高斯分布,然后将计算得到的疑似缺陷部分的样本的每一维代入计算其符合上述高斯分布的概率来判断该样本是正常样本还是缺陷样本。实验在细检阶段引入了STC跟踪方法来跟踪上一帧检测到的缺陷来提高缺陷检测的速度。检测到缺陷后需要计算其特征,实验中最后选取的缺陷特征有细度,矩形度,长宽比和圆形度来区分锈蚀(锈斑)和裂缝(划痕)这两类缺陷,采用的是BP神经网络来识别。本文所做的实验所基于的软件平台是VS2013,并利用了图像及视频分析库OpenCV,数据库采用的是SQLServer2005,模拟以及在线实验结果表明,本文采用的粗检加细检的空轨表面缺陷快速检测算法是有效可行的。(本文来源于《电子科技大学》期刊2017-04-01）
吴迪[4]（2016）在《铁轨表面缺陷的机器视觉检测系统》一文中研究指出近几年,随着我国铁路飞速发展,铁路建设已向恶劣环境地区发展,如青藏铁路、以及西伯利亚地区建设通往俄罗斯的铁路,且随着旅客、货物运输量的增加,列车频次以及列车速度越来越高,因此对列车安全行驶的要求就更加严格。作为铁路的重要组成部分,轨道会随着使用时间的增长而受到损耗,其表面会出现裂纹等问题,如不及时维护,则会造成严重的火车事故。目前轨道养护工作主要依靠人工巡检,通过目测完成。这种巡检方式效率低下,且受光照、主观因素影响大。而超声波、电涡流等检测手段,不适用于表面探伤,而是适用于轨道内部探伤。磁粉探伤因需要在轨道表面喷洒磁粉,然后轨道磁化后根据伤痕处的磁阻变化,磁粉显示伤痕,所以该方法检测效率低,需要大量的磁粉用于检测,不适合需要快速检测、长距离的轨道探伤。因此基于机器视觉检测的轨道探伤方法拥有很大的应用前景。论文首先介绍轨道伤痕检测的研究背景及其必要性,国内外发展趋势和研究现状。接着分析表面伤痕产生的原因,其主要原因是轨道受列车不同方向的作用力和轨道制造时材料含杂质,或钢锭冷却不均等作用下形成的。搭建总体结构及实验仿真平台,绝对式光电编码器计数器输出位除最低位外,其余位经过“或非”逻辑运算,再与最低位逻辑“与”,保证最低位为输出有效位,使得只有二进制计数为1的时候为输出数字,该信号作用于相机快门,验证此信号的波形图和相机拍摄图像的同步性。然后文章根据照度要求,计算不同光源的光通量范围,最后选择LED灯作为光源,光源以线光源形式对轨道表面照明。相机参数由线扫描频率(5952赫兹以上)和像素数(107以上)决定,镜头参数根据成像定理和相机成像片参数确定。接着在预处理阶段,首先对图像进行中值滤波去除椒盐噪声,然后根据轨道表面亮,背景暗的特性,对轨道表面阈值化后统计每行值为255像素的个数,像素数取350作为垂直基线,与曲线交点为轨道表面边界坐标,从而对轨道表面进行提取,以减少对背景的运算处理,提高运算效率;目标快速检测阶段,先统计每行像素灰度均值,根据均值与调整参数乘积为统一灰度(90)的设想,得出调整参数曲线,再与对应每行像素乘积得到灰度补偿图像,以去除阴影和反光的灰度不均,影响后续处理。由于伤痕特性存在区别,直接阈值分割不能达到预期效果,加入底帽操作后可得出清晰伤痕图,即与圆盘半径15的结构元素先腐蚀后减原图,可解决擦伤不清晰问题,同时剥离伤不受影响,但处理后伤痕与背景灰度接近。于是对图像灰度在0.1到0.3范围进行拉伸至0到1,然后0.7阈值化;目标精确定位阶段则利用形态学的开启操作,结构元素为圆盘半径1,将雾状区域粘合。通过改变背景像素的办法将伤痕内的空白填补之后,采用种子填充方法对伤痕连通区域标记,统计连通区域面积,根据伤痕面积2平方毫米要求,计算出连图区域像素要达到12以上,从而筛选主要伤痕,最后利用sobel算法对伤痕边缘提取,得出边缘坐标,在灰图转换为伪灰图的RGB图像上令该坐标红色分量为255,绿色和蓝色分量为0,从而达到红边提示效果。这在实际应用中能快速和准确显示和提取伤痕。最后提取伤痕的参数,根据矩形度和圆形度参数的规律,设计一个BP神经网络分类器,训练样本输入量归一化后,设定输入到隐含层purelin、隐含到输出层logsig作为传递函数,采用最速梯度下降方法反向传播训练函数、最大训练次数5000次、误差精度0.01和训练速率0.01后进行训练。取另一组测试样本,归一化后进行测试,得出分类器的准确程度。(本文来源于《北京工业大学》期刊2016-12-01）
邬锋,茅正冲[5]（2015）在《铁轨表面缺陷图像增强与分割算法》一文中研究指出铁轨表面缺陷严重影响铁路系统的运行质量和安全,但是因采集的铁轨图像光照不均匀且变化的表面反射率使铁轨表面缺陷检测成为视觉检测系统的难点。提出了局部对比度测量法和改进的最大熵法来对铁轨图像进行对比度增强和自动阈值分割。实验结果表明,局部对比度测量法可以使缺陷区域明显突出于背景区域并使背景均衡化;改进最大熵法所得阈值比普通最大熵法更小,消除更多的噪声且保持了必要的缺陷信息;最终铁轨表面缺陷检测的准确率和检全率都有较大的提高。(本文来源于《计算机仿真》期刊2015年10期）
茅正冲,邬锋[6]（2015）在《基于图像传感器的铁轨表面缺陷视觉检测算法》一文中研究指出铁轨表面缺陷严重影响铁路系统的运行质量和安全,提出了基于图像传感器的铁轨表面缺陷视觉检测算法,并重点研究了图像增强和自动阈值分割。采用局部对比度测量法增强铁轨图像对比度,使缺陷区域明显突出于背景区域;采用改进的最大类间方差法分割铁轨增强图像,消除了更多的噪声且保持了必要的缺陷信息。实验结果表明:铁轨表面缺陷检测的准确率和检全率分别达到86.1%和91.9%。(本文来源于《传感器与微系统》期刊2015年09期）
邬锋[7]（2015）在《铁轨表面缺陷检测算法的研究》一文中研究指出随着现代铁路运营里程、列车行驶速度和装载量的快速增长,如何高效的对铁轨表面缺陷进行检测变得越来越重要。传统的铁轨表面缺陷检测方法已经无法适应高速和准确的自动化检测趋势,因此迫切需要一种更加高效的新检测技术。本文基于数字图像处理技术设计了一套铁轨表面缺陷检测与识别算法,实现了铁轨表面缺陷的自动化检测与识别。首先,因现场采集的铁轨图像会受到非铁轨区域、噪声、光照不均和铁轨表面反射率不同的影响,需要对铁轨图像进行预处理。通过分析铁轨区域与非铁轨区域的灰度差异,提出了一种自适应投影算法,该算法可以准确裁取铁轨区域。通过分析铁轨表面图像一些特性、对比度测量法原理和Weber对比度,提出了局部Weber对比度裁剪法,实验结果证明该算法对铁轨图像增强的效果比一些传统的增强算法更好。通过对比分析阈值法平滑线性滤波、中值滤波和多级中值滤波对铁轨图像的去噪效果,选择了多级中值滤波对铁轨图像进行去噪。其次,通过分析预处理后铁轨图像的灰度概率分布曲线、类间方差中目标类部分方差和背景类部分方差的曲线,提出了适合铁轨图像分割的改进最大类间方差法——强调比例最大类间方差法,实验结果证明该算法对铁轨图像的分割效果比一些传统的分割算法更好。对分割后的铁轨图像进行形态学处理,消除了图像中绝大多数细小孤立点和空洞。接着,通过结合游程编码法和递归标记法提出了基于游程编码的递归标记法来对铁轨缺陷进行标记,该算法比一些常用的标记算法耗时更少。对标记的缺陷进行提取并编号,并采用准确率和检全率两个评估准则进行缺陷检测性能评估。对铁轨缺陷进行特征提取,并选择了其中的长宽比和致密度作为后续模式识别的输入。最后,设计了一个大小适合铁轨缺陷分类的LVQ神经网络,并对此神经网络进行训练,实验结果证明,利用训练好的LVQ神经网络能够准确的识别裂纹缺陷和疤痕缺陷。(本文来源于《江南大学》期刊2015-06-01）
黄前德[8]（2015）在《基于机器视觉的重轨表面缺陷成像方法与系统设计》一文中研究指出本文针对重轨表面复杂的几何特征和低反射、高辐射的表面光学特性，基于机器视觉的理论和技术，对重轨表面缺陷成像方法进行研究，实现了相机成像角度的优化设计和异型光源照明系统的开发，最终完成重轨表面缺陷成像系统的设计，进一步提升了重轨表面缺陷的成像效果，为重轨表面缺陷在线实时检测系统的研究奠定了基础。本文主要的研究工作如下：(1)从重轨轧制工艺方法入手详细分析了重轨表面的几何特征和表面缺陷，总结表面缺陷产生的原因和规律；结合物理光学理论和辐射理论对重轨表面材质光学性质进行研究，详细分析了热态下重轨表面对入射光的透射和反射特性以及热态重轨的热辐射特性；在此基础上结合机器视觉系统理论提出重轨表面缺陷成像系统的总体方案设计。(2)针对重轨表面几何特征选取最佳视场分割方案，结合相机镜头参数选型完成重轨表面图像采集系统的设计，基于视场分割方案对相机的成像角度进行优化，并建立重轨表面成像质量评价体系对优化结果进行评价，最终得到相机环绕重轨布置的最佳成像角度，完成重轨表面缺陷图像采集方案的优化设计。(3)为了提高重轨表面图像中的特征信息，分析了光源参数和光照方式对图像特征的影响，采用图像增强技术对重轨表面缺陷在不同光照方式下的图像进行滤波处理；然后基于图像分割和边缘检测对缺陷图像的检测效果对缺陷的光照方式做出最优选择，并结合重轨表面的特性完成对异型光源照明系统的设计。(4)针对重轨在冷态和热态下的不同特性，分别开发了冷态重轨表面缺陷成像与检测实验台和热态重轨在线成像实验装置。通过在实验室中和在重轨生产现场进行多次重轨表面成像实验，对于系统框架的确立、机器视觉相关部件选型、光照模型的建立以及图像处理软件的开发等工作提供了大量的数据，验证了系统的可行性，为重轨表面缺陷在线检测系统的研制提供了实验基础。(本文来源于《武汉科技大学》期刊2015-05-18）
李立[9]（2015）在《基于图像处理的铁轨表面缺陷自动检测方法研究》一文中研究指出铁轨表面缺陷自动检测是保障铁路运行安全的主要措施之一,利用图像处理方法检测铁轨表面缺陷因其具有准确、高效、自动化程度高等优点而成为重要的研究课题。本文以前人的研究工作为基础,深入研究了铁轨表面缺陷自动检测所涉及的若干关键技术,包括图像去噪、缺陷边缘检测、缺陷分割,缺陷分类识别,主要工作如下:首先,提出了一种基于Shearlet域各向异性扩散的铁轨表面缺陷图像去噪方法。对含噪铁轨表面缺陷图像进行非下采样Shearlet变换后,利用K-奇异值分解算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散算法进行去噪;随后对处理过的低频分量和高频分量进行非下采样Shearlet逆变换,得到重构图像。实验结果表明,与小波扩散去噪法、Shearlet硬阈值去噪法、K-奇异值分解稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留铁轨表面缺陷纹理细节特征。然后,研究了一种基于核模糊聚类和正则化的铁轨表面缺陷图像去噪方法。利用核模糊C均值聚类算法对相似的图像块进行聚类后,对于同一类图像块,通过施加范数正则化约束,实现该类图像块在字典下的稀疏分解;随后采用改进的K-奇异值分解算法完成字典的更新,从而有效地去除图像噪声。实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪声,保留铁轨表面缺陷细节,改善图像视觉效果。接着,实现了一种基于Shearlet域改进蜂群的铁轨表面缺陷图像边缘检测方法。对铁轨表面缺陷图像进行非下采样Shearlet变换后,对于低频分量,利用改进蜂群算法准确检测出边缘的基本轮廓线,而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;最终融合高、低频分量的检测结果。实验结果表明,与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,该方法检测出的图像缺陷边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且所需运行时间较少。其次,给出了基于混沌蜂群优化的Arimoto熵铁轨缺陷图像双阈值分割方法。先将Arimoto熵单阈值选取推广到双阈值选取,并采用递推方式计算Arimoto熵双阈值选取公式中的中间变量,减小运算量;再利用基于Tent映射的混沌序列改进蜂群优化算法,从而实现对两个最佳阈值的快速搜寻。大量实验结果表明,与最大Shannon熵多阈值分割法、二维Shannon熵分割法、二维Tsallis灰度熵分割法、倒数灰度熵多阈值分割法相比,给出的方法能更快速准确地分割出铁轨表面缺陷,具有更好的分割效果,是一种实时有效的铁轨表面缺陷检测方法。最后,提出了基于稀疏表示和随机森林的铁轨表面缺陷分类方法。先采用K-奇异值分解算法对铁轨表面缺陷样本图像进行训练,并使用训练后的字典对图像进行稀疏分解;随后利用分解系数构造特征向量,并通过主成分分析进行降维变换,确保特征向量的高效性;最终使用随机森林分类器训练特征向量并进行分类识别。大量实验结果表明,与基于形状/灰度特征和后向传播神经网络法、基于Gabor和支持向量机法、基于稀疏表示和支持向量机法相比,该方法能更有效地表示图像特征,具有更高的分类正确率和更快的分类速度。(本文来源于《南京航空航天大学》期刊2015-03-01）
贾康成[10]（2014）在《线扫描铁轨表面成像系统与缺陷检测算法研究》一文中研究指出随着现代铁路的高速发展,对铁路轨道进行定期检修变得越来越重要。我国目前仍然依靠人工巡检,劳动量大,危险度高,因此迫切的需要一种高速和精确的自动化检测装置完成铁路轨道的检测。本文以铁轨表面缺陷自动检测技术为研究对象,基于机器视觉原理提出了一种铁轨表面缺陷自动检测方法,利用图像处理技术实现铁轨表面缺陷的自动识别,为铁路养护人员提供可靠的检修数据。本文的研究内容如下:(1)阐述了铁轨缺陷检测的研究背景及意义,归纳目前铁轨缺陷检测的方法及其现有检测设备,分析机器视觉检测方法的优越性,并对机器视觉的概况及其在铁轨表面缺陷检测的应用进行了论述。(2)根据运动中铁轨表面缺陷实时检测的需求,设计了基于高速线扫描相机的成像系统。通过分析铁轨表面缺陷检测系统的技术指标,选择了线扫描相机等成像系统器件。针对相机性能、外界光照、振动等成像因素的影响,设计了线性模组、高速转盘、室外电动车等成像系统方案用于测试,掌握了相机成像参数以及各器件间的协作配合方式,最终应用在轨检车成像系统成功的采集到真实的铁轨表面图像。(3)根据铁轨表面缺陷的特点,设计了针对离散疤痕和裂纹的缺陷检测算法。其中对离散疤痕的检测提出一种以图像增强和自动阈值分割为核心的检测算法,克服了铁轨表面光线反射不均的缺点,并且取到的阈值使背景类方差最大的同时保持缺陷出现概率较小。对裂纹缺陷的检测采用基于偏微分方程的Chan-Vese模型,该模型能够适应铁轨裂纹拓扑结构多变的特点,通过对横向和纵向裂纹进行实验仿真,证实了该方法对裂纹缺陷检测的可行性。最后,设计铁轨表面缺陷检测中的应用软件。在VS2008编译环境下,利用微软基础库类、相机公司的SDK及OpenCV视觉库搭建缺陷检测系统,通过在真实铁轨上测试,取得了较好的效果。(本文来源于《湖南大学》期刊2014-04-30）
铁轨表面缺陷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国铁路高速发展,传统的铁路轨道检测手段已无法满足高效、准确的检测需要。本文以铁轨图像为研究对象,结合图像处理、模式识别等相关技术,提出一套基于图像处理的铁轨表面缺陷检测系统,该系统能够实现对铁轨表面缺陷区域进行智能识别。本文主要包括以下几方面内容。首先,通过对比几种传统的图像滤波算法,采用一种结合均值的快速中值滤波方法对图像进行初步的滤波处理;结合形态顶帽运算,提出一种基于梯度投影的方法对铁轨表面区域进行定位,通过定位结果验证该方法的有效性。其次,通过对比前后图像的差异,来初步判断图像是否存在缺陷;结合人类视觉注意机制,采用视觉显着性计算方法对缺陷区域进行分割,得到准确的缺陷区域,并与SR算法和Itti算法得到的结果做对比性实验;对缺陷区域进行特征提取,包括缺陷部分的形状特征、几何特征、灰度特征和纹理特征,分析提取到的数据,选取合适的特征训练SVM分类器并完成SVM核函数参数优化,实现缺陷与伪缺陷(轨道连接处)的分类。最后,设计缺陷检测软件来实现上述算法,并对软件的可靠性进行检测。经过实验验证,本文算法具有良好的稳定性,经过统计最终的检测识别率为91.67%,在实际应用中具有参考价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
铁轨表面缺陷论文参考文献
[1].刘雄祥.基于卷积神经网络的铁轨表面缺陷识别研究[D].西南科技大学.2018
[2].任俊箫.基于图像处理的铁轨表面缺陷检测设计[D].西南科技大学.2017
[3].盛爱梅.基于图像分析的空轨表面缺陷检测[D].电子科技大学.2017
[4].吴迪.铁轨表面缺陷的机器视觉检测系统[D].北京工业大学.2016
[5].邬锋,茅正冲.铁轨表面缺陷图像增强与分割算法[J].计算机仿真.2015
[6].茅正冲,邬锋.基于图像传感器的铁轨表面缺陷视觉检测算法[J].传感器与微系统.2015
[7].邬锋.铁轨表面缺陷检测算法的研究[D].江南大学.2015
[8].黄前德.基于机器视觉的重轨表面缺陷成像方法与系统设计[D].武汉科技大学.2015
[9].李立.基于图像处理的铁轨表面缺陷自动检测方法研究[D].南京航空航天大学.2015
[10].贾康成.线扫描铁轨表面成像系统与缺陷检测算法研究[D].湖南大学.2014