[发明专利]一种受电弓图像识别系统及其图像识别方法

权利要求书

1.一种受电弓图像识别系统的图像识别方法，其特征在于，所述受电弓图像识别系统的图像识别方法包括以下步骤：

步骤一，通过受电弓图像采集模块利用工业相机采集受电弓图像；中央控制模块通过图像去噪模块利用去噪程序对采集的受电弓图像进行去噪处理；

通过图像分割模块利用分割程序对采集的受电弓图像进行分割处理；所述分割程序包括：

输入大小为X×Y的待分割图像I和Y个形状先验；

人工或者自动地初始化演化曲线，并用水平集函数编码为φ₀；

用基于矩的方法将Y个形状先验对齐；

将对齐的形状先验用水平集函数编码，得到

将形状先验的水平集函数按列展开成列向量i＝1,...,n，构成形状先验矩阵

用独立成分分析对形状先验矩阵D进行降维：对形状先验矩阵预处理,包括：数据中心化：形状先验矩阵D减去均值，得到中心化后的形状先验矩阵：

对中心化的形状先验矩阵D₁进行主成分分析：首先求D₁的协方差矩阵，C＝D₁D₁^T，其中D₁^T为矩阵D₁的转置，对协方差矩阵C进行特征值分解，C＝UΛU^T，其中为C的特征值构成的对角矩阵，U＝[u₁,...,u_M×N]为C的特征向量；

对中心化的形状先验矩阵D₁进行白化处理：计算白化矩阵W＝inv(sqrt(Λ))U^T，得到白化后的矩阵满足每个特征维度上的方差为1，并且不同特征维度之间不相关；

步骤二，对预处理后的形状先验矩阵，进行ICA降维，包括：

设定要提取的独立成分的数量，即降维之后的特征数k；

假设映射矩阵为其中，列向量f_i∈R^M×N,i＝1,...,k，则降维后的形状先验特征向量为构成矩阵Ψ＝[ψ₁,...,ψ_n]；

用峰度度量降维后形状先验特征向量ψ_i,i＝1,...,n的非高斯性；

用固定点迭代算法求解使得峰度最大的方向{f₁^T,...,f_n^T}；

得到映射矩阵F和降维之后的形状先验矩阵

将当前水平集函数φ_t按列展开成向量，用得到的投影矩阵将其映射到低维空间；

在低维空间估计形状先验的概率分布，构造形状驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；

最小化能量函数，驱动曲线演化，得到分割结果；

步骤三，通过图像特征提取模块利用提取程序提取受电弓图像特征元素，通过受电弓在线拍照系统采集若干受电弓图像特征，组成受电弓图像特征学习样本集；基于样本学习构建受电弓主动形状模型；对收集的受电弓正、负样本图像特征进行预处理后；对所有受电弓正、负样本图像特征进行特征值提取，得到受电弓正、负样本图像特征方向梯度直方图特征；利用提取到的正负样本图像特征方向梯度直方图特征进行训练学习，确定分割两种训练样本的最佳分类超平面，即受电弓分类模型；

步骤四，受电弓初定位步骤：对待检图像特征进行方向梯度直方图特征提取，根据受电弓分类模型对其进行分类检测，初次判断该待检图像特征中是否存在受电弓；

步骤五，若待检图像特征中存在受电弓，则对受电弓进行再次定位，判断出受电弓滑板以及接触线位置，根据受电弓滑板以及接触线相对位置判断是否为真正受电弓；否则，对下一幅待检图像特征执行受电弓初定位步骤；

步骤六，根据受电弓滑板以及接触线相对位置判断是否为真正受电弓具体过程是：输入初定位出有受电弓的受电弓图像特征，对受电弓图像特征进行X方向梯度计算或者Y方向梯度计算，分别对应得到X方向和Y方向梯度幅值；分别对X方向和Y方向梯度幅值图进行二值化处理，分别对应得到X方向和Y方向的梯度二值图；提取X方向和Y方向梯度二值图中的所有连通区域，分别对应计算X方向和Y方向中每一连通区域的长、宽以及尺寸，并滤除长、宽以及尺寸不符合条件的连通区域，得到平行于y轴的接触线疑似区域，平行于x轴的受电弓碳滑板疑似区域；

步骤七，根据接触线疑似区域灰度值是否变化得到精确定位到的接触线；基于精确定位到的接触线梯度二值图以及受电弓碳滑板疑似区域梯度二值图，根据接触线与受电弓碳滑板两者实际中相对应的位置关系，判断该受电弓碳滑板是否为真正的受电弓碳滑板；实现受电弓图像特征精确定位、提取；

步骤八，通过定位模块根据受电弓图像特征定位受电弓滑板部位；

步骤九，通过受电弓结构对比模块利用对比程序将受电弓特征与数据库中受电弓特征进行对比；通过受损分析模块利用分析程序根据对比结果对受电弓受损进行分析；

步骤十，通过显示模块利用显示器显示采集的受电弓图像图像、提取结果、定位结果、对比结果、分析结果。