[发明专利]基于纹理特征聚类的机车轮对踏面损伤检测的方法

摘要

本发明公开了一种基于纹理特征聚类的机车轮对踏面损伤检测方法，首先通过踏面图像分块纹理聚类的方法来确定损伤可疑区域，然后利用梯度信息在可疑区域内进行损伤轮廓点检测，根据检测到的损伤轮廓点进一步确定种子点，在此基础上采用基于最大似然估计与原则的区域生长技术对损伤区域进行分割，最后采用基于方向性结构元素的形态学区域合并技术得到最终的损伤检测结果，能够在机车轮对在线检测系统中实现对机车踏面损伤准确、高效地判定，具有较强的实用性和广阔的应用前景。

主权项

1.基于纹理特征聚类的机车轮对踏面损伤检测方法，其特征在于，包括以下步骤：步骤1)，按照横向分块的方式对整个踏面区域进行分块处理，子区域高度大于最小需要检测出的损伤区域的高度；令整体的踏面图像为W，子区域数为N，N为大于1的自然数，子区域为w_i，i＝1,2…N；步骤2)，对于每个子区域w_i，基于灰度共生矩阵计算其纹理特征，得到其纹理特征向量v_i，i＝1,2…N；步骤3)，对每个子区域w_i的纹理特征向量v_i进行归一化处理后，采用K‑means++聚类方法对纹理特征向量空间内的所有的纹理特征向量进行聚类，将其划分为两类，并选取对比度较大的一类作为可疑子区域集合[ws₁,ws₂,…,ws_j]，j＝1,2…k,k＜N；步骤4)，对相邻的可疑子区域进行合并，得到若干个不相邻的合并区域集合[M₁,M₂,…,M_u,…,M_m]后，在每个合并区域M_u内分别沿着水平扫描线与垂直扫描线寻找横向与纵向的灰度跳跃点，将其作为轮廓点的候选点，得到候选点集合，其中，u＝1,2…m,m＜k；步骤5)，在候选点集合中沿着扫描线选取两个相邻的候选点，基于全局阈值的方法计算这两个候选点的扫描线上所有像素的灰度值的阈值T；步骤6)，根据以下公式计算灰度值阈值P₁与P₂:P₁＝α×TP₂＝β×T其中，α与β均为预设的比例系数，0≤α＜β≤1；步骤7)，如果两个候选点之间的像素数目Num乘以预设的比例系数ε大于等于两个候选点之间灰度值介于P₁与P₂之间的像素数目Num₁，或者两个候选点的梯度方向的乘积大于等于0，则将该两个候选点从候选点集合中剔除；其中，0＜ε＜1；步骤8)，重复步骤5)到步骤7)，直到候选点集合中候选点的数目不再变化，此时将候选点集合作为轮廓点集合；步骤9)，在轮廓点集合中，沿水平扫描线与垂直扫描线对任意两个相邻的轮廓点进行连线，将所有呈直角相交的连线的交点作为种子点，获得种子点集合S；步骤10)，令所有合并区域中损伤区域的灰度值X～N(μ,σ²)，种子点集合S为从分布X中取得的部分样本,采用最大似然估计法估计种子点集合S总体分布X的均值μ与方差σ²；步骤11)，根据种子点集合S总体分布X的均值μ与方差σ²采用区域生长技术实现机车踏面损伤区域的检测，得到损伤区域集合；步骤12)，计算损伤区域的集合中每个损伤区域的特征向量，所述特征向量包含损伤区域轮廓的重心坐标、灰度均值和灰度方差；步骤13)，计算损伤区域集合中任意两个损伤区域之间的欧氏距离，并在两个损伤区域之间的欧式距离小于预先设定的距离阈值时，基于方向性结构元素的形态学方法将该两个损伤区域进行合并。