鐵路扣件圖像特征提取與識(shí)別方法研究.pdf

1、隨著我國(guó)鐵路跨越式發(fā)展，對(duì)鐵路行車(chē)安全保障系統(tǒng)提出了新的挑戰(zhàn)。鐵路扣件是鐵路基礎(chǔ)設(shè)施中主要的零部件之一，扣件系統(tǒng)可以依靠自身的彈性變形儲(chǔ)存能量以緩解列車(chē)通過(guò)時(shí)對(duì)軌道的機(jī)械振動(dòng)和沖擊，由于其在長(zhǎng)期的服役過(guò)程中會(huì)承受多次往復(fù)性、周期性的彎曲及扭轉(zhuǎn)等交變應(yīng)力作用，因此容易出現(xiàn)斷裂、丟失等缺陷;另外，隨著客運(yùn)高速化和貨運(yùn)重載化程度不斷提高，使得扣件的疲勞斷裂或丟失問(wèn)題變得更為嚴(yán)重，故障率明顯增大。因此，扣件系統(tǒng)的狀態(tài)對(duì)于鐵路的運(yùn)營(yíng)安全有著至關(guān)重

2、要的作用，鐵路扣件的缺陷檢測(cè)和工作狀態(tài)的監(jiān)控對(duì)于排除安全隱患，保障列車(chē)運(yùn)行安全具有重要的意義。為適應(yīng)鐵路發(fā)展的新需要，設(shè)計(jì)一種基于高度信息共享的、高可靠性的鐵路扣件自動(dòng)化巡檢系統(tǒng)已成為鐵路運(yùn)營(yíng)保障體系中的重點(diǎn)之一?；谟?jì)算機(jī)視覺(jué)的扣件檢測(cè)是一個(gè)備受關(guān)注的前沿課題和新興的應(yīng)用方向，通過(guò)計(jì)算機(jī)和圖像處理技術(shù)對(duì)扣件圖像進(jìn)行分析和處理，實(shí)現(xiàn)鐵路扣件的自動(dòng)化檢測(cè)。受前期國(guó)內(nèi)外扣件圖像處理研究的啟發(fā)，本論文主要針對(duì)鐵路扣件缺陷圖像檢測(cè)關(guān)鍵技術(shù)進(jìn)行研

3、究，從扣件子圖像的精確定位、有效圖像特征的提取、扣件圖像分類(lèi)識(shí)別算法等幾個(gè)方面進(jìn)行總體考慮，力求提出一種具有較強(qiáng)魯棒性的扣件分類(lèi)檢測(cè)算法。本文的主要貢獻(xiàn)如下:
　　首先，扣件在原始軌道圖像中目標(biāo)較小，在原始圖像中直接對(duì)扣件進(jìn)行檢測(cè)，難以獲得理想的檢測(cè)效果，且計(jì)算耗時(shí)大。為避免軌道圖像中扣件區(qū)域以外的對(duì)象對(duì)扣件分類(lèi)識(shí)別的影響，提出一種從粗到精的兩步扣件子圖像分割算法。首先，利用軌道圖像中鋼軌與道砟、軌枕與道砟之間區(qū)域的平均灰度值和顯

4、著性差異，構(gòu)建一種基于兩類(lèi)差異信息的符號(hào)比例函數(shù)，分別獲取鋼軌和軌枕在圖像中的位置，并對(duì)扣件區(qū)域進(jìn)行交叉粗定位;然后，利用枕肩與圖像背景間灰度相對(duì)不變性對(duì)粗分割出來(lái)的扣件圖像進(jìn)行二值化，并利用二值圖中軌枕枕肩呈直線特征這一特點(diǎn)，通過(guò)投影法確定枕肩的位置，最終根據(jù)枕肩與扣件間的位置關(guān)系精確地確定扣件位置。
　　其次，提出一種可有效進(jìn)行扣件圖像特征描述的EAHOG-MSLBP融合特征。首先，本文設(shè)計(jì)了一種基于模板的扣件EA邊緣感知方法

5、，并在感知邊緣的基礎(chǔ)上，提出了一種改進(jìn)的EA-HOG邊緣梯度特征描述算法，使得該特征能夠很好地逼近扣件形狀特征，并且對(duì)光照和顏色變化具有不敏感性;然后，針對(duì)傳統(tǒng)二元模式及其相關(guān)改進(jìn)算法僅能表達(dá)圖像的微觀紋理模式，而無(wú)法捕獲扣件區(qū)域與周?chē)尘皡^(qū)域塊間的結(jié)構(gòu)性差異的缺陷，模擬視覺(jué)注意機(jī)制設(shè)計(jì)了一種可捕獲扣件圖像宏觀紋理的MSLBP特征采樣模式，提取扣件圖像的宏觀紋理特征;最后，采用分層次加權(quán)融合的方法將EA-HOG邊緣梯度特征和MSLBP宏

6、觀紋理特征聯(lián)立成EAHOG-MSLBP融合特征。
　　最后，針對(duì)扣件圖像中扣件部分?jǐn)嗔训那闆r難以識(shí)別的難題，通過(guò)對(duì)原始扣件圖像進(jìn)行對(duì)稱(chēng)性操作獲得兩個(gè)虛擬的對(duì)稱(chēng)性樣本，并將對(duì)原始待測(cè)試圖像的直接檢測(cè)轉(zhuǎn)化為對(duì)兩個(gè)虛擬對(duì)稱(chēng)性樣本的檢測(cè)，該算法突破了傳統(tǒng)的基于計(jì)算機(jī)視覺(jué)的檢測(cè)方法對(duì)原始圖像進(jìn)行直接測(cè)試的局限性。在對(duì)兩個(gè)虛擬扣件樣本進(jìn)行分類(lèi)識(shí)別時(shí)，設(shè)計(jì)一種基于權(quán)重累積的稀疏表示分類(lèi)識(shí)別算法。第一步，探索訓(xùn)練集中各類(lèi)訓(xùn)練樣本在表示待測(cè)試樣本上