1 中国铁道科学研究院集团有限公司基础设施检测研究所, 北京 100081
2 北京交通大学理学院, 北京 100044
研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。
图像处理 结构光测量 光条中心提取 图像分割 深度学习 多模板匹配 亚像素
1 国防科技大学 电子科学与工程学院, 长沙 410073
2 中钞实业有限公司, 北京 100052
针对票据水印多目标检测过程中误检率和漏检率高的难题，提出了一种基于先验信息和多模板匹配的票据水印检测算法.该算法采用分级匹配的思想，首先选取初始水印模板进行单模板、粗匹配运算；然后利用票据水印的先验信息计算水印散布区间；接着在水印散布区间内进行多模板、细匹配运算；最后利用先验信息校验已检测到的水印位置，并估算未检测到的水印位置，降低水印检测的漏检率和误检率.仿真实验证明本算法误检率和漏检率低，可以有效地检测票据水印.
多模板匹配 目标检测 先验信息 票据水印 Multi-template matching Object detection Prior information Bills′ watermark
