[发明专利]一种基于脉冲耦合神经网络的钢轨表面伤损检测方法

权利要求书

1.一种基于脉冲耦合神经网络的钢轨表面伤损检测方法，其特征在于通过对图像数据的分析与处理，检测出钢轨轨道表面缺陷的位置及大小并分类，最后指出轨道缺陷类型，包含了以下步骤：

S1，图像预处理；

S2，基于脉冲耦合神经网络对缺陷初步检测；

S3，特征精确计算；

S4，缺陷分类。

2.根据权利要求1所述的一种基于脉冲耦合神经网络的钢轨表面伤损检测方法，其特征在于S1图像预处理。

在将图像中轨道部分提取出来的数据过滤过程中，无关的背景总会占据了图像相当一部分，而铁轨表面区域只占铁轨图像的一部分，如果直接对整幅图像做处理则会增加检测算法的时间，因此在进行数据分析前把这部分剔除掉，可以大大提高后续的检测速度。本发明采用水平投影法提取铁轨表面图像，其预处理步骤如下：

S11,统计铁轨图像的灰度均值Mean，并取Mean-35为全局阈值T，对滤波后的铁轨图像f(x,y)进行二值化。

S12,轨面区域的背景像素为白色像素，因此统计铁轨二值图像每行的白色像素总个数P(x)：

其中，row、column分别是图像f₁(x,y)的行数和列数。

3.根据权利要求1所述的一种基于脉冲耦合神经网络的钢轨表面伤损检测方法，其特征在于S2基于脉冲耦合神经网络对缺陷初步检测。所述的S2基于脉冲耦合神经网络对缺陷初步检测采用脉冲耦合神经网络(PCNN)，检测步骤如下：

S21，将预处理后的图像像素与神经元一一对应。其实施步骤如下：

S211，将每个神经元分别置于一个n×n的权值矩阵M_ijkl与W_ijkl的中心；

S212，区域内的神经元为该神经元对应像素的邻近像素，通常设置两个神经元之间的连接权值为：

S22，建立每个神经元的接收域。接收域由反馈输入域和耦合连接域组成，其实施步骤如下：

S221，分别建立反馈输入域和耦合连接域，两者的迭代运算数学表达式如下：

其中，

S_ij表示外部激励，其大小与脉冲产生周期呈负相关；

Y_kl(n-1)表示第n-1次迭代时邻域神经元的输出；

M_ijkl与W_ijkl分别为反馈输入域与耦合连接域的权值矩阵，反映神经元之间信号传递能力的强弱；

V_F、α_F与V_L、α_L分别表示反馈输入域与耦合输入域的放大系数和衰减时间常数；

F_ij与L_ij分别表示n次迭代后中心神经元的耦合输出与反馈输出。

S23，建立非线性调制域。通过F_ij与L_ij非线性相乘得到神经元内部活动项，其数学表达式如下：

U_ij[n]＝F_ij[n](1+βL_ij[n])

β表示连接强度，与邻域内同步脉冲输出的神经元个数呈正相关。

S24，建立脉冲发生器。由S23，当内部活动项U_ij[n]大于动态门限T_ij[n]时，神经元产生单位脉冲，此时动态门限立即增大，而后呈指数衰减，该过程循环至迭代结束。其数学表达式如下：

值得注意的是，此处迭代次数不同，获取的信息也不同。根据熵值原理，熵越大，信息量越多。

S25，最终由接收域、调制域和脉冲发生器组成每个神经元，模拟哺乳动物视觉神经元细胞活动，实现图像去噪、分割和边缘检测，完成对缺陷的初步检测。