[发明专利]基于边缘点自相似性的金属反光图像识别及TEDS系统

说明书

本发明提出基于边缘点自相似性的金属反光图像识别，获取待检测图像的边缘点，给每个边缘点分配基准方向，计算其特征向量并归一化；计算每个边缘点的局部和整体自相似性值，并将其加权组合作为该边缘点的最终自相似性值；获取自相似性高的边缘点集合，在该集合中根据预定的方式筛选并标记出自相似性低的不规则边缘点；计算每个不规则边缘点水平和竖直方向局部邻域内的像素强度差和最大像素强度；将邻域内的像素强度差大于像素强度差阈值，且最大像素强度大于最大像素强度阈值的不规则边缘点标记为金属反光图像。本发明还提出应用该金属反光图像识别的TEDS系统，有效识别动车组上的金属反光现象，降低误判率。

技术领域

本发明涉及计算机图像检测识别领域，特别是指一种基于边缘点自相似性的金属反光图像识别及应用该识别方式的TEDS系统。

背景技术

目前，基于背景图上的金属反光图像在图像识别领域通常是一种干扰图像，在图像检索和图像识别中对特定技术特征的识别具有一定的影响，尤其是在动车组的故障检测中，利用动车组运行故障动态图像检测系统(TEDS系统)容易将金属反光图像检测为故障部分，增大故障检修工作的复杂度和干扰性。

现有的针对金属反光图像的检测识别技术，集中在对于金属反光表面的视觉检测，并没有针对基于背景图下的金属反光图像识别，因此，为了提高图像对比识别的准确性，本发明提出一种基于边缘点的金属反光图像识别以及应用该识别的TEDS系统。

发明内容

本发明提出一种基于边缘点自相似性的金属反光图像识别，能够识别背景图中的金属反光图像，提高图像对比识别的准确率；应用在TEDS系统中，解决了动车故障检测中误判率高的问题。

本发明的技术方案是这样实现的：

一种基于边缘点自相似性的金属反光图像识别，包括以下步骤：

步骤一：在计算机中输入待检测的图像，利用canny边缘检测算法获取该图像的所有边缘点；

步骤二：对所有边缘点进行分类，同类边缘点属于一个图像轮廓的一条初始边缘线，获取待检测的图像的所有的初始边缘线，给每个边缘点分配一个基准方向，并提取每个边缘点的特征向量，且对每个特征向量进行归一化处理；

步骤三：根据每个边缘点归一化处理后的特征向量计算每条初始边缘线上每个边缘点的局部自相似性值和整体自相似性值，并将局部自相似性值和整体自相似性值的加权组合作为该边缘点最终的自相似性值；

步骤四：设定一个高阈值，获取每条初始边缘线上的自相似性值高于高阈值的边缘点的集合，剔除每条初始边缘线上自相似性值低于高阈值的边缘点；

步骤五：计算上述集合中每个边缘点与其最邻近边缘点的自相似性值，设定一个低阈值，获取集合中所有的自相似性值高于低阈值的边缘点，将该集合中低于低阈值的边缘点标记为形成不规则图像的不规则边缘点；

步骤六：对步骤五中高于低阈值的边缘点分类，同一类边缘点形成一个图像轮廓的校正边缘线，给所有的校正边缘线设定一个长度阈值，获取小于该阈值的校正边缘线，将该校正边缘线上的点标记为形成不规则图像的不规则边缘点；

步骤七：计算步骤五和步骤六中的每个不规则边缘点的水平和垂直方向的局部邻域内的像素强度差以及最大像素强度；

步骤八：设定像素强度差阈值和最大像素强度阈值，将水平或垂直方向局部邻域内的像素强度差大于像素强度差阈值、且最大像素强度大于最大像素强度阈值的不规则边缘点标记为金属反光图像。

优选的是，所述的基于边缘点自相似性的金属反光图像识别中，所述步骤三中根据每个边缘点归一化处理后的特征向量计算每条初始边缘线上的边缘点最终的自相似性值的方式为：设定P_n和P_m为边缘线上的任意两个边缘点，其特征向量分别为和则