本發(fā)明涉及計(jì)算機(jī)圖像檢測識別領(lǐng)域，特別是指一種基于邊緣點(diǎn)自相似性的金屬反光圖像識別及應(yīng)用該識別方式的TEDS系統(tǒng)。

背景技術(shù)：

目前，基于背景圖上的金屬反光圖像在圖像識別領(lǐng)域通常是一種干擾圖像，在圖像檢索和圖像識別中對特定技術(shù)特征的識別具有一定的影響，尤其是在動車組的故障檢測中，利用動車組運(yùn)行故障動態(tài)圖像檢測系統(tǒng)（TEDS系統(tǒng)）容易將金屬反光圖像檢測為故障部分，增大故障檢修工作的復(fù)雜度和干擾性。

現(xiàn)有的針對金屬反光圖像的檢測識別技術(shù)，集中在對于金屬反光表面的視覺檢測，并沒有針對基于背景圖下的金屬反光圖像識別，因此，為了提高圖像對比識別的準(zhǔn)確性，本發(fā)明提出一種基于邊緣點(diǎn)的金屬反光圖像識別以及應(yīng)用該識別的TEDS系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出一種基于邊緣點(diǎn)自相似性的金屬反光圖像識別，能夠識別背景圖中的金屬反光圖像，提高圖像對比識別的準(zhǔn)確率；應(yīng)用在TEDS系統(tǒng)中，解決了動車故障檢測中誤判率高的問題。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于邊緣點(diǎn)自相似性的金屬反光圖像識別，包括以下步驟：

步驟一：在計(jì)算機(jī)中輸入待檢測的圖像，利用canny邊緣檢測算法獲取該圖像的所有邊緣點(diǎn)；

步驟二：對所有邊緣點(diǎn)進(jìn)行分類，同類邊緣點(diǎn)屬于一個(gè)圖像輪廓的一條初始邊緣線，獲取待檢測的圖像的所有的初始邊緣線，給每個(gè)邊緣點(diǎn)分配一個(gè)基準(zhǔn)方向，并提取每個(gè)邊緣點(diǎn)的特征向量，且對每個(gè)特征向量進(jìn)行歸一化處理；

步驟三：根據(jù)每個(gè)邊緣點(diǎn)歸一化處理后的特征向量計(jì)算每條初始邊緣線上每個(gè)邊緣點(diǎn)的局部自相似性值和整體自相似性值，并將局部自相似性值和整體自相似性值的加權(quán)組合作為該邊緣點(diǎn)最終的自相似性值；

步驟四：設(shè)定一個(gè)高閾值，獲取每條初始邊緣線上的自相似性值高于高閾值的邊緣點(diǎn)的集合，剔除每條初始邊緣線上自相似性值低于高閾值的邊緣點(diǎn)；

步驟五：計(jì)算上述集合中每個(gè)邊緣點(diǎn)與其最鄰近邊緣點(diǎn)的自相似性值，設(shè)定一個(gè)低閾值，獲取集合中所有的自相似性值高于低閾值的邊緣點(diǎn)，將該集合中低于低閾值的邊緣點(diǎn)標(biāo)記為形成不規(guī)則圖像的不規(guī)則邊緣點(diǎn)；

步驟六：對步驟五中高于低閾值的邊緣點(diǎn)分類，同一類邊緣點(diǎn)形成一個(gè)圖像輪廓的校正邊緣線，給所有的校正邊緣線設(shè)定一個(gè)長度閾值，獲取小于該閾值的校正邊緣線，將該校正邊緣線上的點(diǎn)標(biāo)記為形成不規(guī)則圖像的不規(guī)則邊緣點(diǎn)；

步驟七、計(jì)算步驟五和步驟六中的每個(gè)不規(guī)則邊緣點(diǎn)的水平和垂直方向的局部鄰域內(nèi)的像素強(qiáng)度差以及最大像素強(qiáng)度；

步驟八、設(shè)定像素強(qiáng)度差閾值和最大像素強(qiáng)度閾值，將水平或垂直方向局部鄰域內(nèi)的像素強(qiáng)度差大于像素強(qiáng)度差閾值、且最大像素強(qiáng)度大于最大像素強(qiáng)度閾值的不規(guī)則邊緣點(diǎn)標(biāo)記為金屬反光圖像。

優(yōu)選的是，所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別中，所述步驟三中根據(jù)每個(gè)邊緣點(diǎn)歸一化處理后的特征向量計(jì)算每條初始邊緣線上的邊緣點(diǎn)最終的自相似性值的方式為：設(shè)定和為邊緣線上的任意兩個(gè)邊緣點(diǎn)，其特征向量分別為和，則

邊緣線上任意兩個(gè)邊緣點(diǎn)和的相似性值為：，這里向量內(nèi)積的計(jì)算方式為向量對應(yīng)元素相乘再相加，得到兩個(gè)邊緣點(diǎn)和的相似性值；

邊緣點(diǎn)的局部自相似性值為：取該邊緣點(diǎn)所在的邊緣線上與該邊緣點(diǎn)相鄰且位于其兩側(cè)的四個(gè)邊緣點(diǎn)、、、，則邊緣點(diǎn)的局部自相似性值為：

；

邊緣點(diǎn)的整體自相似性值為：假定該邊緣線上共有n個(gè)邊緣點(diǎn)，則邊緣點(diǎn)的整體自相似性值為：

；

設(shè)定局部自相似性和整體自相似性的權(quán)值為，且，，將局部自相似性值和整體自相似性值組合，則邊緣點(diǎn)的最終自相似性值為：

；

歸一化處理后的特征向量的范圍在0到1之間，則自相似性值在0到1之間表示相似程度，自相似性值為0時(shí)是完全不相似狀態(tài)，為1時(shí)是完全相似狀態(tài)。

優(yōu)選的是，所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別中，所述步驟二中給每一個(gè)邊緣點(diǎn)分配一個(gè)基準(zhǔn)方向的方式為：

對于任一個(gè)邊緣點(diǎn)，構(gòu)造以當(dāng)前邊緣點(diǎn)為中心的局部鄰域，計(jì)算該鄰域內(nèi)所有像素點(diǎn)的梯度值和方向，利用直方圖統(tǒng)計(jì)該鄰域內(nèi)所有像素點(diǎn)的梯度值和方向，直方圖內(nèi)包含將0~180度的方向范圍均分的9個(gè)直方柱，180~360度均分并合并在9個(gè)直方柱上；

計(jì)算每個(gè)邊緣點(diǎn)對相鄰兩個(gè)方向的加權(quán)系數(shù)，再根據(jù)加權(quán)系數(shù)和梯度值計(jì)算每個(gè)邊緣點(diǎn)對相鄰兩個(gè)方向的貢獻(xiàn)權(quán)值，將貢獻(xiàn)權(quán)值累加至該邊緣點(diǎn)所在的直方圖的每個(gè)直方柱上，直方圖峰值所在方向?yàn)樵撨吘夵c(diǎn)的基準(zhǔn)方向。

優(yōu)選的是，所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別中，所述步驟二中任一個(gè)邊緣點(diǎn)的特征向量的提取方式為：

設(shè)定任一邊緣點(diǎn)為，該邊緣點(diǎn)的基準(zhǔn)方向?yàn)?，將坐?biāo)軸旋轉(zhuǎn)至基準(zhǔn)方向；在旋轉(zhuǎn)后的坐標(biāo)系中沿著四個(gè)方位分別取距離邊緣點(diǎn)預(yù)定個(gè)像素位置的點(diǎn)、、、，構(gòu)造以、、、、為中心的5個(gè)局部鄰域，計(jì)算每個(gè)像素點(diǎn)的梯度值和每個(gè)像素點(diǎn)對相鄰兩個(gè)方向的貢獻(xiàn)權(quán)值；統(tǒng)計(jì)5個(gè)局部鄰域的方向分布直方圖，得到5個(gè)直方圖；該邊緣點(diǎn)的特征向量為：；最后對每個(gè)邊緣點(diǎn)的特征向量進(jìn)行歸一化處理。

優(yōu)選的是，所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別中，所述步驟七中計(jì)算每個(gè)不規(guī)則邊緣點(diǎn)的水平或垂直方向的局部鄰域內(nèi)的像素強(qiáng)度差以及最大像素強(qiáng)度的方式為：

設(shè)定任一不規(guī)則邊緣點(diǎn)為，沿著該不規(guī)則邊緣點(diǎn)所在的坐標(biāo)系中的水平和豎直方向分別取距離預(yù)定個(gè)像素位置的點(diǎn)、、、，構(gòu)造以、、、 為中心的局部鄰域；分別計(jì)算水平方向的最大像素強(qiáng)度、和垂直方向的最大像素強(qiáng)度、；分別計(jì)算出水平方向的最大像素強(qiáng)度與最小像素強(qiáng)度的像素強(qiáng)素差、和垂直方向的最大像素強(qiáng)度與最小像素強(qiáng)度的像素強(qiáng)素差、。

一種TEDS系統(tǒng)，包括上述任一項(xiàng)基于邊緣點(diǎn)自相似性的金屬反光圖像識別，將標(biāo)記的金屬反光圖像默認(rèn)為動車組的正常狀態(tài)，在動車組故障檢測時(shí)不標(biāo)記。

本發(fā)明的有益效果為：本發(fā)明中，先考慮每條初始邊緣線，根據(jù)特征向量計(jì)算每條邊緣線上的邊緣點(diǎn)的自相似性，獲取自相似較大的邊緣點(diǎn)集合，剔除自相似性小的邊緣點(diǎn)；再在自相似性較大的所有邊緣點(diǎn)集合中根據(jù)預(yù)定的方式重新計(jì)算每個(gè)邊緣點(diǎn)的自相似性，獲取自相似性值高于低閾值的邊緣點(diǎn)集合，增加邊緣點(diǎn)的連續(xù)性；對集合中高于低閾值的邊緣點(diǎn)重新分類，得到校正邊緣線；將校正邊緣線上低于長度閾值的點(diǎn)和集合中低于低閾值的點(diǎn)標(biāo)記為不規(guī)則邊緣點(diǎn)；根據(jù)金屬反光圖像具有的特性，金屬反光區(qū)域局部像素強(qiáng)度高甚至中心達(dá)到飽和，從不規(guī)則圖像中識別出金屬反光圖像，實(shí)現(xiàn)從待檢測的圖像中識別出金屬反光圖像。將該方法應(yīng)用在TEDS系統(tǒng)上，能有效識別車身的金屬反光圖像，降低動車組故障誤判率，提高TEDS系統(tǒng)檢測的準(zhǔn)確性。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)實(shí)施例獲得其他的附圖。

圖1為采集的動車組的某一部位的圖像；

圖2為在圖1中識別出金屬反光圖像。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例1：一種應(yīng)用在TEDS系統(tǒng)上的基于邊緣點(diǎn)自相似性的金屬反光圖像識別，包括以下步驟：

步驟一：在計(jì)算機(jī)中輸入待檢測的動車組圖像，如圖1所示的圖像，利用canny邊緣檢測算法獲取該圖像的所有邊緣點(diǎn)；具體過程如下：

1、在計(jì)算機(jī)上將動車組圖像處理為灰度圖像；

2、對灰度圖像進(jìn)行高斯模糊以減少圖像噪聲的干擾；

3、計(jì)算降噪后的圖像中每個(gè)像素點(diǎn)的梯度值和方向；

4、對每個(gè)像素點(diǎn)的梯度值進(jìn)行非極大值抑制，初步得到圖像邊緣點(diǎn)集合；5、采用雙閾值方法進(jìn)行邊緣連接，剔除虛假邊緣，補(bǔ)全邊緣缺口，獲得更精確的邊緣點(diǎn)集合。

步驟二：對所有邊緣點(diǎn)進(jìn)行分類，同類邊緣點(diǎn)屬于一個(gè)圖像輪廓的一條初始邊緣線，獲取待檢測的圖像的所有的初始邊緣線，給每一個(gè)邊緣點(diǎn)分配一個(gè)基準(zhǔn)方向，并提取每個(gè)邊緣點(diǎn)的特征向量，且對每個(gè)邊緣點(diǎn)的特征向量進(jìn)行歸一化處理；

每一個(gè)邊緣點(diǎn)分配一個(gè)基準(zhǔn)方向的方式為：

1、對于任一個(gè)邊緣點(diǎn)，構(gòu)造以當(dāng)前邊緣點(diǎn)為中心的8*8鄰域，計(jì)算該鄰域內(nèi)所有像素點(diǎn)的梯度值和方向，利用直方圖統(tǒng)計(jì)該鄰域內(nèi)所有像素點(diǎn)的梯度值和方向，直方圖內(nèi)包含將0~180度的方向范圍均分的9個(gè)直方柱，每個(gè)直方柱20度，180~360度均分并合并在9個(gè)直方柱上；

2、計(jì)算每個(gè)邊緣點(diǎn)對相鄰兩個(gè)方向的加權(quán)系數(shù)，再根據(jù)加權(quán)系數(shù)和梯度值計(jì)算每個(gè)邊緣點(diǎn)對相鄰兩個(gè)方向的貢獻(xiàn)權(quán)值，將貢獻(xiàn)權(quán)值累加至該邊緣點(diǎn)所在的直方圖的每個(gè)直方柱上，直方圖峰值所在方向?yàn)樵撨吘夵c(diǎn)的基準(zhǔn)方向。

每一個(gè)邊緣點(diǎn)的特征向量的提取方式為：

1、設(shè)定任一邊緣點(diǎn)為，該邊緣點(diǎn)的基準(zhǔn)方向?yàn)椋瑢⒆鴺?biāo)軸旋轉(zhuǎn)至基準(zhǔn)方向，坐標(biāo)變換為；在旋轉(zhuǎn)后的坐標(biāo)系中沿著四個(gè)方位分別取距離邊緣點(diǎn)預(yù)定個(gè)像素位置的點(diǎn)、、、，構(gòu)造以、、、、為中心的5個(gè)8*8鄰域，計(jì)算每個(gè)像素點(diǎn)的梯度值，計(jì)算每個(gè)像素點(diǎn)對相鄰兩個(gè)方向的貢獻(xiàn)權(quán)值；

2、統(tǒng)計(jì)5個(gè)8*8鄰域的方向分布直方圖，得到5個(gè)直方圖；該邊緣點(diǎn)的特征向量為：；最后對每個(gè)邊緣點(diǎn)的特征向量進(jìn)行歸一化處理。

步驟三：根據(jù)每個(gè)邊緣點(diǎn)歸一化處理后的特征向量計(jì)算每條初始邊緣線上每個(gè)邊緣點(diǎn)的局部自相似性值和整體自相似性值，并將局部自相似性值和整體自相似性值的加權(quán)組合作為邊緣點(diǎn)最終的自相似性值；

每條初始邊緣線上的邊緣點(diǎn)的最終的自相似性值的計(jì)算方式為：設(shè)定和為邊緣線上的任意兩個(gè)邊緣點(diǎn)，其特征向量分別為和，則

邊緣線上任意兩個(gè)邊緣點(diǎn)和的相似性值為：；這里向量內(nèi)積的計(jì)算方式為向量對應(yīng)元素相乘再相加，得到兩個(gè)邊緣點(diǎn)和的相似性值；

邊緣點(diǎn)的局部自相似性值為：取該邊緣點(diǎn)所在的邊緣線上與該邊緣點(diǎn)相鄰且位于其兩側(cè)的四個(gè)邊緣點(diǎn)、、、，則邊緣點(diǎn)的局部自相似性值為：

；

邊緣點(diǎn)的整體自相似性值為：假定該邊緣線上共有n個(gè)邊緣點(diǎn)，則邊緣點(diǎn)的整體自相似性值為：

；

設(shè)定局部自相似性和整體自相似性的權(quán)值為，選取，，將局部自相似性值和整體自相似性值組合，則邊緣點(diǎn)的最終自相似性值為：

；

歸一化處理后的特征向量的范圍在0到1之間，則自相似性值在0到1之間表示相似程度，自相似性值為0時(shí)是完全不相似狀態(tài)，為1時(shí)是完全相似狀態(tài)。

步驟四：將高閾值設(shè)為0.7，獲取每條初始邊緣線上的自相似性值高于0.7的邊緣點(diǎn)的集合，剔除每條初始邊緣線上自相似性值低于高閾值的邊緣點(diǎn)。

步驟五：計(jì)算步驟四的集合中的任意兩個(gè)邊緣點(diǎn)的自相似性，將低閾值設(shè)為0.2，獲取集合中所有的自相似性值高于0.2的邊緣點(diǎn)，將該集合中低于0.2的邊緣點(diǎn)標(biāo)記為形成不規(guī)則圖像的不規(guī)則邊緣點(diǎn)。

步驟六：對步驟五中高于低閾值的邊緣點(diǎn)分類，同一類邊緣點(diǎn)形成一個(gè)圖像輪廓的校正邊緣線，給所有的校正邊緣線設(shè)定長度閾值10，獲取邊緣線長度小于10的校正邊緣線，將該校正邊緣線上的點(diǎn)標(biāo)記為形成不規(guī)則圖像的不規(guī)則邊緣點(diǎn)。

步驟七、計(jì)算步驟五和步驟六中的每個(gè)不規(guī)則邊緣點(diǎn)的水平和垂直方向的局部鄰域內(nèi)的像素強(qiáng)度差以及最大像素強(qiáng)度；

計(jì)算方式為：設(shè)定任一不規(guī)則邊緣點(diǎn)為，沿著該不規(guī)則邊緣點(diǎn)所在的坐標(biāo)系中的水平和垂直方向分別取距離預(yù)定個(gè)像素位置的點(diǎn)、、、，構(gòu)造以、、、為中心的局部鄰域；分別計(jì)算水平方向的最大像素強(qiáng)度、和垂直方向的最大像素強(qiáng)度、；分別計(jì)算出水平方向的最大像素強(qiáng)度與最小像素強(qiáng)度的像素強(qiáng)素差、和垂直方向的最大像素強(qiáng)度與最小像素強(qiáng)度的像素強(qiáng)素差、。

步驟八、設(shè)定像素強(qiáng)度差閾值和最大像素強(qiáng)度閾值，將水平和豎直方向的像素強(qiáng)度差滿足或或或，且水平和豎直方向的最大像素強(qiáng)度滿足或或或的不規(guī)則邊緣點(diǎn)標(biāo)記為金屬反光圖像，如圖2中所示。

步驟九、提取圖像庫中的待檢測的動車組的參考圖像，應(yīng)用標(biāo)準(zhǔn)圖像法在TEDS系統(tǒng)中將待檢測的圖像和參考圖像進(jìn)行比對，將步驟八中識別出的金屬反光圖像默認(rèn)為外在干擾因素，不是動車組的故障狀態(tài)，在動車組故障檢測時(shí)不標(biāo)記，降低故障誤判，提高得到的故障檢測圖的精確度。

上述出現(xiàn)的鄰域根據(jù)具體情況來選擇，也可選為8*16等其他鄰域。上述高閾值、低閾值、長度閾值、像素強(qiáng)度差閾值以及最大像素強(qiáng)度閾值可根據(jù)實(shí)際檢測圖像的類型來選取。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。