期刊论文

Rail defect segmentation based on improved Markov random field

中文

计算机工程与设计

1000-7024

2020

41

4

1052-1061

10.16208/j.issn1000-7024.2020.04.026

国家自然科学基金项目(61401046、81401490) 国家科技支撑计划基金项目(2015BAF11B01) 湖南省教育厅科学研究青年基金项目(17C0046) 长沙市科技计划基金项目(K1404019-11)。

本校为第一机构

为提高钢轨缺陷分割对噪声的鲁棒性,提出一种基于改进马尔可夫随机场(MRF)的钢轨缺陷分割方法.利用背景差分法对灰度进行预处理,消除灰度分布不均的干扰.对模糊if-then规则的前提部分采用马尔可夫随机场来利用图像中的空间约束,结果部分指定像素距离图算法,通过使用马尔可夫随机场(MRF)在相邻像素图像之间并入局部空间信息,推导出新的自适应模糊集和M RF相结合的钢轨表面缺陷自动分割方法.建立标准的FCM、GM M和该方法的钢轨缺陷分割对比实验,验证了算法的有效性和优越性.

To improve the robustness of rail defect segmentation to noise,a rail defect segmentation method based on improved Markov random field(MRF)was proposed.The background difference method was used to pre-process the gray level,eliminating the interference of uneven distribution of gray level.For the premise part of the fuzzy IF-THEN rule,Markov random field was used to utilize the spatial constraints in the image,and the result part specified the distance map algorithm of the pixels.By incorporating local spatial information between adjacent pixel images using Markov random field(MRF),a new autom...