高速铁路钢轨扣件弹条疲劳断口自动识别方法技术

本发明专利技术公开了一种高速铁路钢轨扣件弹条疲劳断口自动识别方法，包括以下步骤：获取高速铁路钢轨扣件弹条图像，并对钢轨扣件弹条图像进行预处理；对钢轨扣件弹条图像进行易断区域定位；利用SVM分类识别器对易断区域图像进行扣件弹条疲劳断口自动识别。本发明专利技术用于快速准确的高速铁路钢轨扣件疲劳断口自动识别处理，解决了人工检测带来的人力物力的浪费，并且在很大程度上保证了检测的效率。

Automatic identification method for fatigue fracture of rail fastener of high speed railway

The invention discloses a high-speed rail fastening elastic fatigue fracture automatic identification method comprises the following steps: obtaining high-speed rail fastening elastic strip image, and the elastic rail fastener image preprocessing; are easy to break to locate the region of the rail fastening elastic strip image; images are easily broken on fastening elastic fatigue fracture automatic recognition using SVM classifier. The invention is applied to the automatic recognition and processing of the fatigue fracture of high-speed rail fasteners, which solves the waste of manpower and material resources caused by manual detection, and largely ensures the efficiency of detection.

【技术实现步骤摘要】
高速铁路钢轨扣件弹条疲劳断口自动识别方法
本专利技术涉及高速铁路钢轨扣件设备的健康状况检测方法，具体地指一种用于检测高速铁路钢轨扣件弹条疲劳断口的自动识别方法。
技术介绍
高速铁路具有运行速度高、运输能力大、安全性能好、舒适度高、环境污染小等一系列的优势，在我国交通运输中发挥着巨大的作用，缩短了城市之间的时间距离，极大地方便了人们的出行，节省旅行时间。预计到2015年底，中国累计开通运营的高速铁路里程将达到21183公里，居世界各国之首。安全运营是高铁成功的前提，扣件弹条是与高速列车直接相互作用的重要设施，扣件弹条疲劳断口、失效严重影响高速列车安全运营。目前，高速铁路规模越来越大，对高铁运营安全要求极高。近年来，随着高速铁路的不断运营，扣件弹条出现疲劳断口甚至失效的情况陆续出现，严重威胁着行车安全。而我国大部分高速铁路轨道扣件弹条巡检方法都只针对弹条断裂或破损严重情况，缺乏快速检测扣件弹条疲劳断口(裂缝)的有效方法，对弹条表面裂缝的实时检测能有效防止潜在危险的发生，因此急需具有快速、准确的扣件弹条疲劳断口快速分析与检测方法，提高扣件弹条健康状况检测的精度和效率。
技术实现思路
本专利技术就是针对现有技术的不足，提供一种快速准确的高速铁路钢轨扣件弹条疲劳断口自动识别方法。为了实现上述目的，本专利技术所设计的一种高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：包括以下步骤，S1获取高速铁路钢轨扣件弹条图像，并对钢轨扣件弹条图像进行预处理；S2对钢轨扣件弹条图像进行易断区域定位；S3对易断区域图像进行扣件弹条疲劳断口自动识别。进一步地，钢轨扣件弹条图像的预处理具体过程如下：S1-1输入待识别钢轨扣件弹条图像；S1-2对钢轨扣件弹条图像去噪：对输入钢轨扣件弹条图像采取3×3模板的中值滤波；S1-3对中值滤波后的图像灰度化；S1-4图像增强：采用Gamma校正图像增强方法对图像进行对比度拉伸。更进一步地，步骤s2中首先利用霍夫圆检测定位圆型螺母，再由圆型螺母定位易断区域。再进一步地，步骤s3的具体过程如下：S3-1对易断区域图像进行图像分割、干扰剔除、裂缝连接，以得到仅包含弹条裂缝的二值化图像；S3-2对易断区域图形进行特征提取，提供SVM分类识别器，对特征提取后的图像进行裂缝提取。再进一步地，所述步骤s3-1的具体过程如下：S3-11对易断区域图像采取相位一致性算法进行分割；S3-12对分割后的图像进行非极大值抑制，并进行二值化分割；S3-13对二值化分割后的图像进行长宽比等限制条件的干扰剔除；S3-14利用改进的适用于连接垂直线性结构的区域生长方法对因图像分割失误而造成断裂的裂缝进行连接；S3-15再次利用长宽比等限制条件进行最后一次剔除干扰。再进一步地，设I是二值化分割后图像，h与w是每个连通区域的高度与宽度，Area是连通区域中像素点个数，C1,C2是每个连通区域的质心，m,n表示连通区域的左上角坐标，则步骤s3-13的干扰剔除包括：(1)用于滤除横向边缘；(2)用于滤除扣件弹条的边界；(3){Area＜5}∩{C1＞200}∪{C1＜30}∪{C2＞70}∪{C2＜20}，用于滤除分布在图像四周边界处的噪声；(4){E.Area＝Area}∩{Area＜5}，用于滤除由二值化分割来的小噪声。再进一步地，所述步骤S3-14的具体过程如下：(1)通过遍历每个点的八个邻域来查找图像中的所有端点，端点数为num；(2)计算每个端点的梯度幅值和方向(3)计算每个端点8个邻域点的梯度幅值Tmag(i,k),i＝{1,2,...,8}和方向Talpha(i,k),i＝{1,2,...,8}，并计算邻域点的梯度幅值与方向的方差；(4)计算每个端点的8个邻域点的隶属度，由M(x)表示隶属度，定义如下：Mmag(i,k)＝exp(-mag(k)·(Tmag(i,k)-amag(k))2)，Malpha(i,k)＝exp(-alpha(k)·(Talpha(i,k)-aalpha(k))2)，M(i,k)＝0.4Mmag(i,k)+0.6Malpha(i,k)，其中mag(k)是某一点的邻域点梯度幅值方差，alpha(k)是该点的邻域点梯度方向方差；(5)根据隶属程度来扩展边缘，即具有最大隶属度的点将被扩展，但是扩展遵循不向水平扩展的法则。再进一步地，所述步骤S3-15的具体过程如下：(1)Area＜3，用于剔除小噪声；(2)用于剔除裂缝周围的横向噪声；(3){C1＞200}∪{C1＜20}∪{C2＜15}∪{C2＞65}，用于剔除图像边界处的噪声，以保证提取的特征矩阵是稀疏的。再进一步地，所述步骤S3-2的具体过程如下：S3-21将步骤s3-1处理得到的图像进行垂直投影，再将左右两边的易断裂区域图像合并得到一个行向量，作为特征向量；S3-22利用分类识别器对待识别弹条图像进行裂缝提取。再进一步地，所述SVM分类识别器的制作过程如下：分别选取两个一定数量的样本图像集作为训练集和测试集，两个图像集中都包括有裂缝图像和无裂缝图像，提取训练集中所有图像的特征矩阵输入SVM分类器进行训练，得到分类识别器。本专利技术的优点在于：能够准确检测出输入弹条图像是否存在裂缝，将高速铁路潜在危险降到最低，弥补了现阶段国内对于弹条疲劳断口检测的空白。高速铁路钢轨扣件弹条疲劳断口自动识别方法克服了人工检测带来的人力物力浪费，并且显著提高了检测效率。附图说明图1为本专利技术高速铁路钢轨扣件弹条疲劳断口自动识别方法的流程框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术作进一步的详细描述。将本专利技术用于弹条裂缝识别，其具体步骤如下：S1：图像预处理过程：S1-1：输入待识别图像。其中待识别图像是由自动控制工业相机拍照，实时获取得到的真实图像，如图1。S1-2：图像去噪：对输入图像采取3×3模板的中值滤波，保留裂缝细节的同时去除图像中的散点噪声。S1-3：图像灰度化：相机采集的图像是24位真彩图，需要转化为灰度图以进行后续处理。S1-4：图像增强：采用Gamma校正图像增强方法对图像进行对比度拉伸，以提高后续圆检测的准确率。S2：易断裂区域定位过程：S2-1：定位圆型螺母：由于扣件弹条上的圆型螺母具有很强的形状特征并且圆具有很好的旋转不变性，更重要的是通过对图像集的观察，发现圆型螺母与易产生断裂区域的位置相对不变，因此首先采用霍夫圆检测定位扣件弹条上的圆型螺母，为保证检测效果，在霍夫圆检测前先进行canny检测，再对二值化图像进行霍夫圆检测。S2-2：根据弹条上圆型螺母与易发生断裂区域的位置不变性提取裂缝区域。S3：图像分割及后处理过程：S3-1：图像分割：对易断裂区域图像采取相位一致性算法分割；S3-2：图像后处理：先对分割后的图像进行非极大值抑制，先取初始阈值对图像进行分割，根据SVM分类器的实验结果确定最佳阈值，再次利用最佳阈值对图像进行二值化分割，分割后进行第一次长宽比等限制条件的干扰剔除步骤，设I是二值化分割后图像，h与w是每个连通区域的高度与宽度，Area是连通区域中像素点个数，C1,C2是每个连通区域的质心，m,n表示连通区域的左上角坐标，限制条件如下：(1)用于滤除横向边缘；(2)用于滤除扣件弹条的边本文档来自技高网...

【技术保护点】
一种高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：包括以下步骤，S1获取高速铁路钢轨扣件弹条图像，并对钢轨扣件弹条图像进行预处理；S2对钢轨扣件弹条图像进行易断区域定位；S3对易断区域图像进行扣件弹条疲劳断口自动识别。

【技术特征摘要】
1.一种高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：包括以下步骤，S1获取高速铁路钢轨扣件弹条图像，并对钢轨扣件弹条图像进行预处理；S2对钢轨扣件弹条图像进行易断区域定位；S3对易断区域图像进行扣件弹条疲劳断口自动识别。2.根据权利要求1所述的高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：钢轨扣件弹条图像的预处理具体过程如下：S1-1输入待识别钢轨扣件弹条图像；S1-2对钢轨扣件弹条图像去噪：对输入钢轨扣件弹条图像采取3×3模板的中值滤波；S1-3对中值滤波后的图像灰度化；S1-4图像增强：采用Gamma校正图像增强方法对图像进行对比度拉伸。3.根据权利要求2所述的高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：步骤s2中首先利用霍夫圆检测定位圆型螺母，再由圆型螺母定位易断区域。4.根据权利要求3所述的高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：步骤s3的具体过程如下：S3-1对易断区域图像进行图像分割、干扰剔除、裂缝连接，以得到仅包含弹条裂缝的二值化图像；S3-2对易断区域图形进行特征提取，提供SVM分类识别器，对特征提取后的图像进行裂缝提取。5.根据权利要求4所述的高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：所述步骤s3-1的具体过程如下：S3-11对易断区域图像采取相位一致性算法进行分割；S3-12对分割后的图像进行非极大值抑制，并进行二值化分割；S3-13对二值化分割后的图像进行长宽比等限制条件的干扰剔除；S3-14利用改进的适用于连接垂直线性结构的区域生长方法对因图像分割失误而造成断裂的裂缝进行连接；S3-15再次利用长宽比等限制条件进行最后一次剔除干扰。6.根据权利要求5所述的高速铁路钢轨扣件弹条疲劳断口自动识别方法，其特征在于：设I是二值化分割后图像，h与w是每个连通区域的高度与宽度，Area是连通区域中像素点个数，C1,C2是每个连通区域的质心，m,n表示连通区域的左上角坐标，则步骤s3-13的干扰剔除包括：(1)用于滤除横向边缘；(2)用于滤除扣件弹条的边界；(3){Area＜5}∩{C1＞200}∪{C1＜30}∪{C2＞70}∪{C2＜20}，用于滤除分布在图像四周边界处的...

【专利技术属性】
技术研发人员：陈小宇，李学瑜，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42