[发明专利]一种快速的噪声鲁棒性图像异物检测方法及TEDS系统

摘要

本发明提出一种快速的噪声鲁棒性图像异物检测方法，将待检测目标图像与模板图像进行配准，获取配准后图像的所有边缘点和边缘线；利用线条特征进行快速匹配，获取初始匹配结果；对每条不匹配线条所在的局部邻域进行规范化SSD精确匹配，更新不匹配局部邻域，同时返回其在模板图像中最接近的局部邻域；提取局部邻域的纹理特征，利用纹理特征差异为每个不匹配局部邻域打分，如果分数大于给定阈值则判定为故障区；通过8邻域连接合并故障区域并重新打分；根据人工确认的故障结果计算故障权值，以便有针对性地进行检测。将该方法应用在TEDS系统上，能够有效快速地检测出动车运行过程中出现的异常，为铁路运行安全提供可靠的保障。

主权项

1.一种快速的噪声鲁棒性图像异物检测方法，其特征在于，包括以下步骤：步骤一：在计算机中输入待检测的目标图像和模板图像；步骤二：将目标图像与模板图像进行图像配准，获取配准后的目标图像；步骤三：利用改进的canny边缘检测算法获取配准后目标图像和模板图像的所有边缘点和边缘线条；步骤四：对目标图像和模板图像利用线条特征进行快速匹配，获取初始匹配结果；步骤五：基于步骤四的匹配结果，对每条不匹配线条所在的局部邻域进行规范化的SSD精确匹配，更新不匹配局部邻域，同时返回其在模板图像中最接近的局部邻域；步骤六：提取不匹配局部邻域与其最接近的局部邻域的纹理特征，利用纹理特征的差异为每个不匹配局部邻域打分，如果分数大于给定分数阈值或纹理特征差异满足给定的条件则判定为故障区；步骤七：对所有故障区进行8邻域连接，得到合并后的故障区并根据纹理特征对其重新打分；步骤八：根据人工确认结果计算故障权值，根据故障权值计算故障判断分，故障判断分的大小反映对应的区域的故障严重程度，从而有针对性地进行异物检测；所述步骤四中对目标图像和模板图像利用线条特征进行快速匹配，获取初始匹配结果的步骤为：(4.1)将模板图像的所有边缘线条投影到某一平面上，在同一平面上遍历目标图像的所有边缘线条，对边缘线条上的每个边缘点，给定搜索路径，在局部邻域中，从距离当前边缘点最近的位置开始进行边缘点匹配，获取目标图像中每个边缘点在模板图像中最可能的匹配边缘点；(4.2)将目标图像的所有边缘线条投影到某一平面上，在同一平面上遍历模板图像的所有边缘线条，对边缘线条上的每个边缘点，给定搜索路径，在局部邻域中，从距离当前边缘点最近的位置开始进行边缘点匹配，获取模板图像中每个边缘点在目标图像中最可能的匹配边缘点；(4.3)基于步骤(4.1)和步骤(4.2)获取目标图像和模板图像的互匹配边缘点集合；(4.4)遍历每条边缘线条，计算边缘线条上所有互匹配边缘点的梯度值和梯度方向，进行梯度匹配验证，更新目标图像和模板图像的互匹配边缘点集合；(4.5)遍历每条边缘线条，利用边缘线条上的互匹配边缘点计算线条方向，进行线条方向匹配验证，更新目标图像和模板图像的互匹配边缘点集合；(4.6)遍历每条边缘线，构造一给定大小的模板，计算边缘线条上的互匹配边缘点的模板梯度，进行模板梯度验证，更新目标图像和模板图像的互匹配边缘点集合；(4.7)遍历每条边缘线条，将每条边缘线条分割成多条包含固定边缘点数目的边缘线条，给定搜索邻域和模板大小，遍历每条分割边缘线条上的所有不匹配边缘点，在搜索邻域内沿着水平和竖直方向计算每个不匹配边缘点的规范化的SSD值，若规范化的SSD的最小值小于给定阈值，则重新划分当前边缘点为匹配边缘点，否则，仍为不匹配边缘点，更新目标图像和模板图像的互匹配边缘点集合；(4.8)获取初始匹配结果。