[發(fā)明專利]一種鐵路動車抗蛇行減震器安裝座異物檢測方法

有效

• 申請?zhí)枺?/td>: 202011033541.6
• 申請日: 2020-09-27
• 公開（公告）號: CN112184663B
• 公開（公告）日: 2021-07-20
• 發(fā)明（設計）人: 韓旭
• 申請（專利權）人: 哈爾濱市科佳通用機電股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/155;G06K9/62;G06T5/00;G06T5/30;G06T5/40
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

1.一種鐵路動車抗蛇行減震器安裝座異物檢測方法，包括以下步驟：

步驟一：獲取動車過車圖像，并截取過車圖像中抗蛇行減振器安裝座區(qū)域圖像；

步驟二：將抗蛇行減振器安裝座上存在異物的圖像作為正樣本，抗蛇行減振器安裝座上不存在異物和不存在異物但存在雨水印的圖像作為負樣本；

步驟三：對正樣本圖像中的異物進行標注，構成數(shù)據(jù)集；

步驟四：對數(shù)據(jù)集進行數(shù)據(jù)擴增，對擴增后的數(shù)據(jù)集進行Gamma校正；

步驟五：對校正后的數(shù)據(jù)集中圖像采用多尺度形態(tài)學運算進行重構；

步驟六：提取重構后的圖像中的候選框，并對候選框圖像進行多結構HOG特征與空間熵、譜熵特征提取；

步驟七：將多結構HOG特征與空間熵、譜熵特征串聯(lián)起來，作為候選框的特征，將候選框的特征作為輸入，對SVM進行訓練，得到初始SVM分類器，利用正負樣本對初始SVM分類器的輸出進行檢測，將檢測錯誤的圖像進行數(shù)據(jù)擴增操作，將擴增后的數(shù)據(jù)放入訓練集中重新訓練初始SVM分類器，得到最終的SVM分類器；

其特征在于所述多結構HOG特征提取過程為：

步驟1：采用選擇搜索算法從經(jīng)過多尺度形態(tài)學運算重構的圖像中搜索候選框，并將候選框的尺寸統(tǒng)一到112*224；

步驟2：計算候選框圖像中每個像素的梯度方向和梯度大小；

步驟3：將候選框圖像相鄰8*8像素組成一個細胞單元，并統(tǒng)計一個細胞單元內的多結構梯度直方圖，統(tǒng)計的過程為：將一個細胞單元的8*8個像素劃分為16個2*2的結構、4個4*4的結構和1個8*8的結構，分別統(tǒng)計每個結構內的梯度直方圖，每個結構得到一個特征向量，然后將16個2*2結構的特征向量進行最大值池化，4個4*4結構的特征向量進行最大值池化，1個8*8結構的特征向量進行最大池化，將最大值池化后的2*2結構的特征向量，最大值池化后的4*4結構的特征向量，最大值池化后的8*8結構的特征向量串聯(lián)在一起，作為一個細胞單元的特征向量；

步驟4：將相鄰的2*2的細胞單元組成一個區(qū)域，將一個區(qū)域內的所有特征向量串聯(lián)起來并進行歸一化處理；

步驟5：將所有區(qū)域的特征向量串聯(lián)起來，得到最終的一個候選框圖像的多結構HOG特征。

2.根據(jù)權利要求1所述的一種鐵路動車抗蛇行減震器安裝座異物檢測方法，其特征在于所述數(shù)據(jù)擴增包括旋轉、裁剪和拉伸變換。

3.根據(jù)權利要求1所述的一種鐵路動車抗蛇行減震器安裝座異物檢測方法，其特征在于所述多尺度形態(tài)學運算的具體步驟為：

步驟A：對原始圖像進行3個不同尺度的下采樣操作，得到3個不同尺度的下采樣圖像；

步驟B：對于每個尺度的下采樣圖像做快速傅里葉變化，得到圖像的頻域信號，采用高通濾波器濾除圖像頻域信號中的高頻信號，將經(jīng)過濾波后的圖像頻域信號通過傅里葉反變換恢復成時域圖像，3個尺度的下采樣圖像得到3個尺度的經(jīng)過傅里葉反變換恢復成的時域圖像；

步驟C：對不同尺度的經(jīng)過傅里葉反變換恢復成的時域圖像分別進行膨脹操作，采用的膨脹模板為相應尺度的下采樣圖像；

步驟D：將經(jīng)過處理的3個尺度的下采樣圖像分別上采樣到原始圖像大小，將3個上采樣的圖像融合成最終的多尺度形態(tài)學運算重構圖像。

4.根據(jù)權利要求1所述的一種鐵路動車抗蛇行減震器安裝座異物檢測方法，其特征在于所述梯度大小表示為：

其中，G_x(x,y)和G_y(x,y)分別表示圖像像素點(x,y)的水平和豎直方向梯度。

5.根據(jù)權利要求1所述的一種鐵路動車抗蛇行減震器安裝座異物檢測方法，其特征在于所述梯度方向表示為：

其中，G_x(x,y)和G_y(x,y)分別表示圖像像素點(x,y)的水平和豎直方向梯度。