基于图像处理的列车车轮踏面损伤的识别研究

摘要

列车车轮踏面损伤会直接影响到列车的运行安全，威胁乘客生命和财产安全，因此对车轮踏面损伤进行检测与识别便受到了越来越多的重视。目前，我国对列车车轮踏面损伤的检测主要以人工巡检为主，这种方式效率较低，且严重依赖检修工人的技术熟练程度和现场经验，漏检率较高。本文在深入研究国内外列车车轮踏面损伤检测系统以后，重点研究了数字图像处理方法在车轮踏面损伤检测中的应用，同时也为车轮踏面损伤的自动检测提供了技术支持。本文主要从以下几个方面进行研究:
　　(1)本文对国内外现有踏面图像采集系统进行了分析调研，在此基础上确定了最终的图像采集系统，该系统包括摄像机、光源、测速传感器和触发传感器等，并且利用该装置在列车检修车间内完成踏面图像的采集。
　　(2)将采集好的踏面图像进行滤波和增强处理，再使用边缘检测算法对图像进行边缘检测。改进Canny算法在滤波时采用自适应加权中值滤波，然后以大津法来确定最佳高低阈值。
　　(3)在边缘检测后的轮缘边缘线上选取像素点，然后使用最小二乘法拟合出左右边缘线，保留左右边缘线以内的踏面区域并且在原始图像上分割出该区域，对其进行二值化处理和形态学运算后找出可疑的损伤区域。
　　(4)对可疑的损伤区域进行特征量分析，通过计算灰度共生矩阵得到纹理特征。选用具有较高分类精度的几个Haralick特征，即能量、对比度、熵、相关性和逆差距，然后使用BP神经网络进行分类识别。
　　仿真实验结果表明:改进的Canny算法能够较好地检测出车轮踏面边缘，最大限度地保留列车车轮踏面的真实边缘;采用的图像处理方法可以有效地找出损伤区域;使用BP网络对特征进行分类识别，分类效果较好。

目录

声明

摘要

1 绪论

1．1 论文选题的研究背景及意义

1．2 国内外研究现状

1．3 论文的主要研究内容

2 车轮踏面检测系统

2．1 系统的构成及工作原理

2．1．1 系统的构成

2．1．2 系统的工作原理

2．2 系统相关的技术

2．2．1 机器视觉

2．2．2 数字图像处理

2．2．3 模式识别

2．3 小结

3 踏面图像的边缘检测

3．1 图像预处理

3．1．1 图像滤波

3．1．2 图像增强

3．2 常见边缘检测算法

3．3 改进的Canny边缘检测算法

3．3．1 自适应加权中值滤波

3．3．2 梯度幅值的计算

3．3．3 自适应阈值的确定

3．4 小结

4 损伤特征提取与分类识别

4．1 精分割踏面图像

4．2 损伤区域筛选

4．2．1 图像二值化

4．2．2 形态学运算

4．2．3 可疑损伤区域筛选

4．3 损伤区域特征提取

4．4 基于BP神经网络的踏面损伤分类识别

4．4．1 BP神经网络

4．4．2 BP网络的设计

4．4．3 踏面损伤分类识别

4．5 小结

结论

致谢

参考文献

攻读学位期间的研究成果