[发明专利]基于HOG特征的高铁接触网支撑装置耳片断裂故障检测方法

摘要

本发明公开了一种基于HOG特征的高铁接触网支撑装置耳片断裂故障检测方法，对旋转双耳耳片断裂故障进行检测。包括以下步骤首先建立旋转双耳的正负样本库；再提取正负样本的HOG特征，生成样本的特征描述符；然后基于AdaBoost算法，对Cascade级联分类器进行训练，并利用训练好的分类器对图像中的旋转双耳的所在区域与非旋转双耳所在区域进行分类识别，完成旋转双耳在图中的定位。最后利用二维Gabor小波变换对旋转双耳子图像中的边缘信息进行筛选，进而对耳片断裂故障引起的故障裂痕进行识别。本发明方法能在复杂的接触网悬挂装置图像中准确识别发生断裂故障的耳片，与人工筛查的方法相比可大大提高检测的效率。

主权项

一种基于HOG特征的高铁接触网支撑装置耳片断裂故障检测方法，利用HOG特征对待检测图像中的旋转双耳部件进行识别，消除铁路沿线拍摄环境差异和视角变化因素对检测结果的影响，其具体工作步骤包含：A、采集旋转双耳的正负样本，建立样本库；B、提取正负样本的HOG特征，生成样本的特征描述符；C、利用AdaBoost算法，按照一定的检测率与虚警率对Cascade级联分类器的每一层进行训练；a、对样本图像中的HOG特征量进行筛选，每一个HOG特征对应一个“弱分类器”，选取最具区分力的“弱分类器”完成“强分类器”的构建；b、对a)中选取的“弱分类器”的权值进行计算，将该“弱分类器”与之前得到的所有“弱分类器”按照一定权重进行线性组合，得到作为级联分类器中每一层的“强分类器”；c、返回a)选取新的HOG特征，直到所得“强分类器”的检测率与虚警率满足预设指标；D、检测窗口在待检测图像表面滑动，利用C中训练得到的级联分类器，对图像中的旋转双耳的所在区域与非旋转双耳所在区域进行分类识别，完成旋转双耳在图中的定位；E、提取旋转双耳的子图像，利用图像中的边缘信息对耳片断裂故障产生的故障裂痕进行检测；a、利用Canny算子对图像中的边缘信息进行提取；b、对旋转双耳子图像进行不同尺度与不同方向的二维Gabor小波变换，计算每个像素点二维Gabor小波变换后的能量值；c、根据二维Gabor小波变换后的能量分布结果，对旋转双耳表面纹理产生的伪裂痕进行滤除；d、提取旋转双耳的上下边界曲线，利用形态学膨胀运算方法对c)中保留下来的图像边缘进行进一步筛选，得到与边界曲线相连的图像边缘作为可能对应故障裂痕的候选边缘，绘制反应候选边缘纵向跨度分布的纵向跨度直方图；e、根据纵向跨度直方图的峰值分布情况判断旋转双耳是否存在故障裂痕。