基于灰度不变性的扣件缺陷检测算法研究

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。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 相关设备介绍

1．2．2 相关技术研究

1．3 本文的工作及内容安排

1．3．1 本文的主要研究内容

1．3．2 论文内容章节安排

第2章 相关理论介绍

2．1 引言

2．2 理论介绍

2．2．1 直方图均衡化

2．2．2 阈值化

2．2．3 边缘检测

2．2．4 均值滤波

2．2．5 LSD直线检测方法

2．3 本章小结

第3章 扣件定位

3．1 引言

3．2 现有的扣件定位方法介绍

3．2．1 基于目标区域灰度分布的定位方法

3．2．2 基于边缘提取的扣件定位方法

3．3 本文扣件定位方法

3．3．1 滤波去噪

3．3．2 基于Rank变换的边缘特征增强方法

3．3．3 直线特征提取及定位

3．4 实验验证及分析

3．5 本章小结

第4章 扣件识别

4．1 引言

4．2 特征提取方法

4．2．1 HOG和PHOG方法介绍

4．2．2 改进的PHOG特征提取方法

4．3 支持向量机

4．4 参数的选择及实验

4．4．1 参数的选择

4．4．2 实验验证及分析

4．5 本章小结

总结与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果