[发明专利]基于Gabor小波和SVM的钢轨病害的检测方法

权利要求书

1.一种基于Gabor小波和SVM的钢轨病害的检测方法，其特征在于，包括：

S101：读取钢轨表面图像；

S103：滤除所述钢轨表面图像中的噪声，并进行背景补偿；

S105：对所述钢轨表面图像中的所述钢轨进行矫正、定位和分割，包括：

S1051：利用霍夫变换对所述钢轨表面图像的所述钢轨进行竖直方向的矫正；

S1053：设计水平梯度算子强化所述钢轨表面的边界并进行边界估计以确定所述钢轨的一个边界，为了寻找钢轨主体的边界，设计一种水平梯度算子，强化钢轨表面的左右边界，该算子定义为：

通过对上述边界强化后的阈值分割图进行垂直投影统计，根据多个统计极值点的边界估计得到图像中钢轨主体的某一边界：

其中，edge代表钢轨的边界，Cand_i 代表第i个候选钢轨边界的索引值，VP代表垂直投影统计数组,ee是先验知识，表示统计框的大小；

S1055：根据所述钢轨表面图像中所述钢轨的经验宽度值寻找所述钢轨的中线位置以确定所述钢轨的另一个边界，

根据图像中钢轨的经验宽度值，寻找钢轨表面的中线位置，为另一条边界的判定提供参照：

其中，q，p均为垂直投影中横坐标的索引值；N_wt(p)代表坐标p的邻域，wt为邻域的宽度，设定为图像中钢轨的宽度；Med表示钢轨中线的索引值，进一步根据确定的钢轨某一边界和中线，确定其另一条边界的两个候选：

C1＝2×Med-Pos_edge (5)

S1057：最后，根据式(2)分别统计两个候选边界的极值点进行边界估计，最终得到图像中钢轨的两条边界，定位到钢轨区域，完成对钢轨区域的分割；

S107：对所述钢轨进行动态引导滤波、边缘检测和标记，计算并定位所述钢轨的表面病害，并对所述表面病害进行分割；

S109：根据所述钢轨的表面病害的最小矩形框从不同角度计算并提取所述表面病害的特征向量，包括：

S1091：对所述病害进行基于Gabor小波多方向的纹理特征提取，并计算所述病害的特征向量；

S1093：根据所述病害区域灰度共生矩阵计算所述病害区域的特征向量；

S1095：对所述病害的最小矩形框病害区域进行形状特征计算得到所述病害的特征向量；

S111：根据所述钢轨的表面病害的定位、分割和提取的所述特征向量，基于SVM对所述钢轨表面的病害进行识别检测。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤S103具体包括：

S1031：采用中值滤波滤除所述钢轨表面图像中的噪声；

S1033：对所述钢轨表面图像使用基于形态学的背景补偿以突出所述钢轨的边缘。

3.根据权利要求1所述的检测方法，其特征在于，所述步骤S107具体包括：

S1071：使用动态引导滤波滤除所述钢轨的表面噪声和异常干扰点；

S1073：采用Canny边缘算子对滤波后的所述钢轨的表面进行边缘检测；

S1075：使用标记分量对所述边缘检测的结果的二值区域进行标记；

S1077：根据所述标记计算并定位所述钢轨的表面病害，并对所述表面病害进行分割。

4.根据权利要求1所述的检测方法，其特征在于，所述基于Gabor小波多方向的纹理特征提取包括0°、45°、90°和135°。

5.根据权利要求1所述的检测方法，其特征在于，所述病害区域灰度共生矩阵包括对比度、相关性和能量三个具体量度。

6.根据权利要求1所述的检测方法，其特征在于，所述步骤S111具体包括：

根据所述钢轨的表面病害的定位、分割和提取的所述特征向量，利用直方图交叉核函数结合SVM训练设计得到了剥离掉块病害的最优分类器，最终实现了钢轨剥离掉块病害的识别检测。