1、“.....而图像中又有着许多的特征类似而语义差别的特征点，所以仅从特征类似性的角度分析，会造成许多的误非常关键的作用。图像的对齐比对因为图像在采集过程中容易遭受车速天气等很多外部原因的干扰，往往引起图像差别，为此首先要对现场采集的动车图像以车厢为基准进行图像拼接和分割，实现与历史图像的对齐比对。具体来讲，分为部分实现动车车头对齐，即根据火车车号，从火车车头模板库中提用于动车组故障检测的图像识别算法研究论文原稿续实验证明，这算法能有效地分析和警示运行动车组的问题情况，使得工作人员能够及时发现突发问题，确保动车运行安全......”。

2、“.....动车组安全检测工作的建设变得尤为关键。当前的检测形式为入库造成不同时间采集的两幅图像之间存在分辨率亮度长度等差别，所以当前僅是应用基于特征匹配的图像故障识别算法具有许多的误报情况，故障定位不准确。摘要动车组运行故障动态图像检测系统利用对当前图像与其历史图像的比较，实现列车运行状况的即时监测以及自动预警。因为，各个时清图像，左右侧部各装设两套侧箱，其中套用于收集转向架图像，套用于收集裙摆图像。本实验将第天采集到的列车图像作为历史图像，分别对第天以及第天收集到的图像做出故障分析。用于动车组故障检测的图像识别算法研究论文原稿。对于以上情况......”。

3、“.....应用兴趣点特征向量的欧式距离作为两幅图像中兴趣点的相似性判定度量。取图像现场采集图像中的个兴趣点，并找出其与历史图像中欧式距离最近的前个兴趣点，在这个兴趣点中，假如最近的距离除以次近的距离低于个比例阂值，则接受这对匹配点。减少应融合局部和全局匹配的图像故障识别算法将局部特征匹配和全局模板匹配的优势相结合，充分利用了局部和全局信息进行故障识别，定位精准，误报率低，且计算时间也有定的缩短，可以有效地提升动车运行过程中的安全监控质量。特征匹配主要包含两个阶段特征的生成，稿。特征匹配主要包含两个阶段特征的生成，即从图像中提取出对尺度缩放旋转亮度变化无关的特征向量特征向量的匹配。具体地说......”。

4、“.....再利用描述子对兴趣点周边的区域进行鲁棒的特征描述，最后利用匹配算法匹配两幅图像的描述子近的距离除以次近的距离低于个比例阂值，则接受这对匹配点。减少这个比例阂值，匹配点数目会降低，但更为平稳。实验分析实验分析，选取采集的高分辨率图像数据来分析算法的性能，并和现有的图像故障识别算法实现比较和分析。采集设施包括套沉箱和两套侧箱，其体两侧裙板转向架等位置图像，与其最近行驶的历史图像进行比较，检查当前行驶车辆的结构件是否有改变改变的趋势以及改变的形式，完成故障的及时预警。但是因为速度光线大气抖动等各种外界因素的变化，造成不同时间采集的两幅图像之间存在分辨率亮度长度等差别......”。

5、“.....具体地说，首先利用检测子检测出图像中的兴趣点，再利用描述子对兴趣点周边的区域进行鲁棒的特征描述，最后利用匹配算法匹配两幅图像的描述子。用于动车组故障检测的图像识别算法研究论文原稿。单纯利用局部特征匹配检测出很多噪声兴趣点，使得故障识别存在误报率高的问题。而基于模板匹配的故障识别算法尽管在定程度上降低了误报率，且能够基本精确的定位故障区域，但是它的性能在定程度上受到模板大小的干扰，而且匹配计算量大，速度慢，实时性不强。因此，本文提出的自文献标识码文章编号随着我国高速铁路事业的进步发展......”。

6、“.....当前的检测形式为入库地沟式静态监控，而运行过程中的动态监控不足。这必然造成动车组可能长时间带问题行驶，造成了很大的安全隐患。高速运行中的车辆，其关键部位容易遭受石块等物体的第组实验比较了局部特征匹配以及全局模板匹配在故障识别方面的性能。能够得出，特征匹配虽然可以定位故障位置，但是存在大量误报的故障区域。由于两幅图像拍摄的光线，天气等不同，使得看似相同的图像可能具有完全不同的角点特征，图像中的角点具有很好的局部显著性和稳定性，但两套沉箱共装设个超高速高清晰线阵摄像头，用来收集动车底部的高清图像，左右侧部各装设两套侧箱，其中套用于收集转向架图像，套用于收集裙摆图像......”。

7、“.....分别对第天以及第天收集到的图像做出故障分析。用于动车组故障检测的图像识别算法研究论文特征匹配的图像故障识别算法具有许多的误报情况，故障定位不准确。当两幅图像的特征向量生成后，应用兴趣点特征向量的欧式距离作为两幅图像中兴趣点的相似性判定度量。取图像现场采集图像中的个兴趣点，并找出其与历史图像中欧式距离最近的前个兴趣点，在这个兴趣点中，假如强撞击，另外因为长时间受到传动力及制动力，其部件可能出现各种程度的动摇，所以行驶中的动态监控对于确保动车运行安全起到非常关键的作用。对于以上情况，相关部门提出了动车组运行故障动态图像检测系统。它通过轨边装设的线阵摄像头......”。

8、“.....利用局部比对粗略定位故障位置以上述位置为模板，查询历史图像以精确判断故障位置。后续实验证明，这算法能有效地分析和警示运行动车组的问题情况，使得工作人员能够及时发现突发问题，确保动车运行安全。关键词动车组故障检测图像识别算法中图分类故障点。因此，有些算法提出使用基于像素的全局匹配解决问题，但是因为车速天气光线抖动等外部因素引发的图像不致状况，即相同坐标位置对应的图像内容不致，造成仅是利用像素差的全局匹配不能较好地解决误报情况。基于此种情况，本文提出种自适应融合局部和全局匹配的故障识别算法。摘要该车型的车头模板，与现场采集的火车图像进行车头模板匹配......”。

9、“.....实现车厢对齐，即利用车厢模板库中该车型的车厢连接处模板，对实时采集的火车图像进行模板匹配，并对匹配成功的图像在车厢连接处位置进行图像分割，而其他图像则依次拼接，从而沟式静态监控，而运行过程中的动态监控不足。这必然造成动车组可能长时间带问题行驶，造成了很大的安全隐患。高速运行中的车辆，其关键部位容易遭受石块等物体的较强撞击，另外因为长时间受到传动力及制动力，其部件可能出现各种程度的动摇，所以行驶中的动态监控对于确保动车运行安全起获得的图像肯定不可能完全致，就造成仅仅基于特征匹配的故障识别算法误报率非常高。因此......”。