技術(shù)特征：

1.一種基于邊緣點(diǎn)自相似性的金屬反光圖像識別，其特征在于，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。

2.根據(jù)權(quán)利要求1所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別，其特征在于，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)。

3.根據(jù)權(quán)利要求1所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別，其特征在于，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。

4.根據(jù)權(quán)利要求1所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別，其特征在于，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)?img id="icf0028" file="876720DEST_PATH_IMAGE017.GIF" wi="14" he="14" img-content="drawing" img-format="GIF" orientation="portrait" inline="no" />，將坐標(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。

5.根據(jù)權(quán)利要求1所述的基于邊緣點(diǎn)自相似性的金屬反光圖像識別，其特征在于，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、。

6.一種TEDS系統(tǒng)，其特征在于，包括權(quán)利要求1至5所述的任一項(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(dòng)車組的正常狀態(tài)，在動(dòng)車組故障檢測時(shí)不標(biāo)記。