基于对比学习的无监督低光铁路紧固件图像增强方法的研究 GAN
Yijie Cai1,2,3,4, Xuehai Liu3, Huoxing Li5,4
1China Railway Wuhan Bureau Group Co., Ltd., Wuhan 430061, China.
Sensors (Basel, Switzerland)
|June 27, 2024
概括
本研究介绍了CES-GAN,这是一种无监督的算法,可以增强低光铁路紧固件图像. 这提高了缺陷检测的准确性,并确保在具有挑战性的视觉条件下确保铁路安全.
科学领域:
- 铁路工程 铁路工程是指铁路工程.
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 铁路紧固件对于轨道安全和稳定至关重要.
- 低光条件 (夜间,道) 阻碍了有效的紧固件缺陷检测.
- 现有的方法在各种环境中难以通用.
研究的目的:
- 为铁路紧固件开发一个无监督的低光图像增强算法.
- 提高缺陷检测系统的适应性和通用性.
- 在复杂的铁路环境中提高视觉检查的可靠性.
主要方法:
- 拟议的CES-GAN (对比度,照明和特征一致性GAN).
- 利用U-Net架构与全球和本地分辨器进行图像重建.
- 集成的特征一致性,对比学习和照明损失功能.
主要成果:
- CES-GAN有效地增强了低光紧固件图像,保留了细节和纹理.
- 该算法在不同的环境条件中展示了概括性.
- 获得了更好的图像清晰度,现实主义和照明一致性.
结论:
- 在低光条件下,CES-GAN为铁路检查提供了可靠的视觉支持.
- 增强的图像质量确保了紧固件识别设备的稳定和准确运行.
- 该研究有助于提高铁路安全和运营效率.
