原文传递
基于灰度不变性的扣件缺陷检测算法研究
| 论文题名： | 基于灰度不变性的扣件缺陷检测算法研究 |
| 关键词： | 铁路扣件;缺陷检测;图像处理技术;灰度不变性 |
| 摘要： | 铁路运输是交通运输的重要组成部分，对铁路线路的维护工作是保障其安全运营的重要基础。铁路扣件作为连接钢轨和轨枕的组成部件，对保障铁路线路的安全起着非常重要的作用。图像处理技术作为一种高效的非接触式检测技术，近年来被应用到铁路扣件的状态检测中。本文利用图像处理技术来对铁路扣件缺陷检测进行研究，其主要内容如下: 首先，针对现有扣件定位方法对不同光照条件下的扣件图像定位适应性差、准确率低的缺点，提出了一种基于Rank变换和区域生长方法相结合的、具有灰度不变性的扣件定位方法。该定位方法根据人眼视敏度特性设定了一种Rank变换窗口，并利用该窗口对图像进行处理得到一幅Rank图像，接着对该图像进行阈值化处理，从而得到增强后的扣件边缘图像。之后，利用LSD中区域生长方法的思想和先验知识，在增强后的扣件边缘图像中搜寻挡板座与轨枕接触处的边界线，并根据扣件、挡板座和轨枕相互之间的空间位置关系，来确定扣件的准确位置。实验证明，该方法定位准确且具有很好的适应性和鲁棒性。 其次，针对原金字塔梯度直方图方法(Pyramid Histogram of oriented gradients，PHOG)因扣件关键区域信息在特征向量中所占比重小而导致识别率低、速率慢的问题，提出了一种改进的PHOG特征提取方法。该方法根据扣件图像的结构特点，在PHOG方法的基础上，构造了一种新的块划分方法，以去除图像中包含扣件信息较少的区域。同时，为了使得最终的特征向量能够更好地描述扣件的形状特征，将改进后的特征提取方法与基于Rank变换的边缘特征增强方法相结合，来提取扣件的特征向量，并将该向量输入到支持向量机中进行训练，以便得到分类器模型从而实现扣件状态的自动识别。实验证明，该扣件提取方法相比传统的PHOG方法在识别率以及时效性上均有不同程度的提高。 |
| 作者： | 侯云 |
| 专业： | 机械设计及理论 |
| 导师： | 李柏林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
