基于灰度不變性的扣件缺陷檢測算法研究.pdf

1、鐵路運(yùn)輸是交通運(yùn)輸?shù)闹匾M成部分，對鐵路線路的維護(hù)工作是保障其安全運(yùn)營的重要基礎(chǔ)。鐵路扣件作為連接鋼軌和軌枕的組成部件，對保障鐵路線路的安全起著非常重要的作用。圖像處理技術(shù)作為一種高效的非接觸式檢測技術(shù)，近年來被應(yīng)用到鐵路扣件的狀態(tài)檢測中。本文利用圖像處理技術(shù)來對鐵路扣件缺陷檢測進(jìn)行研究，其主要內(nèi)容如下:
　　首先，針對現(xiàn)有扣件定位方法對不同光照條件下的扣件圖像定位適應(yīng)性差、準(zhǔn)確率低的缺點(diǎn)，提出了一種基于Rank變換和區(qū)域生長方法

2、相結(jié)合的、具有灰度不變性的扣件定位方法。該定位方法根據(jù)人眼視敏度特性設(shè)定了一種Rank變換窗口，并利用該窗口對圖像進(jìn)行處理得到一幅Rank圖像，接著對該圖像進(jìn)行閾值化處理，從而得到增強(qiáng)后的扣件邊緣圖像。之后，利用LSD中區(qū)域生長方法的思想和先驗(yàn)知識，在增強(qiáng)后的扣件邊緣圖像中搜尋擋板座與軌枕接觸處的邊界線，并根據(jù)扣件、擋板座和軌枕相互之間的空間位置關(guān)系，來確定扣件的準(zhǔn)確位置。實(shí)驗(yàn)證明，該方法定位準(zhǔn)確且具有很好的適應(yīng)性和魯棒性。
　　

3、其次，針對原金字塔梯度直方圖方法(Pyramid Histogram of oriented gradients，PHOG)因扣件關(guān)鍵區(qū)域信息在特征向量中所占比重小而導(dǎo)致識別率低、速率慢的問題，提出了一種改進(jìn)的PHOG特征提取方法。該方法根據(jù)扣件圖像的結(jié)構(gòu)特點(diǎn)，在PHOG方法的基礎(chǔ)上，構(gòu)造了一種新的塊劃分方法，以去除圖像中包含扣件信息較少的區(qū)域。同時，為了使得最終的特征向量能夠更好地描述扣件的形狀特征，將改進(jìn)后的特征提取方法與基于Ran