铁道塞钉图像检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理领域，特别涉及铁道塞钉图像检测方法及装置。
【背景技术】
[0002] 塞钉是一种位于轨腰处的电务轨旁设备，是提供轨道占用信号的关键设备之一， 直接影响铁路信号的传输从而影响行车安全。实际生产生活中，需要对塞钉进行巡检，以保 证铁路安全行车。
[0003] 传统的塞钉巡检方法是人工上道巡检，由于上道巡检受各种外界因素影响，并且 可巡检时间较短，导致人工上道巡检塞钉至少存在如下问题：检测时间短；故障处理时间 短；危险性高；受外界环境因素影响明显。为了应对人工上道巡检塞钉的上述问题，现有技 术提供了一种半自动塞钉巡检方法，主要包括拍摄轨道图像，人工从大量的轨道图像中筛 选出塞钉图像，人工通过塞钉图像对塞钉进行检查，判断塞钉是否符合各项要求。
[0004] 上述的半自动塞钉巡检方法虽然令工作人员有足够的时间进行塞钉检查，并且降 低了巡检危险性，然而大量的轨道图像中只有很少一部分图像包含塞钉图像，依靠人工的 方式从大量的轨道图像中筛选出塞钉图像，具有筛选难度大、筛选效率低下的缺陷，进而导 致塞钉巡检效率低下。
【发明内容】
[0005] 本发明提供了铁道塞钉图像检测方法及装置，能够自动从大量的轨道图像中检测 出塞钉图像，缓解人工筛选塞钉图像效率低下的问题，从而提高塞钉巡检效率。
[0006] 第一方面，本发明实施例提供了铁道塞钉图像检测方法，包括以下步骤：
[0007] 利用安装在轨道巡检车上的图像采集设备获取轨道图像；
[0008] 对于获取的每一张所述轨道图像，将当前轨道图像分成多个子区域，在每个所述 子区域中，采用平滑区间自适应的LTP(localternarypattern，局部三值模式）算法生成 该子区域的明度LBP(LocalBinaryPatterns，局部二值模式）特征直方图和该子区域的暗 度LBP特征直方图，拼接所述明度LBP特征直方图和所述暗度LBP特征直方图得到所述子 区域的特征直方图；
[0009] 拼接所述当前轨道图像的所有所述子区域的特征直方图，得到所述当前轨道图像 的图像特征；
[0010] 根据所述当前轨道图像的图像特征与塞钉图像的图像特征的匹配度，确定所述当 前轨道图像是否包含塞钉图像。
[0011] 结合第一方面，本发明实施例提供了第一方面第一种可能的实施方式，其中，所述 利用安装在轨道巡检车上的图像采集设备获取轨道图像，包括：
[0012] 在轨道巡检车的车体底部两侧限界范围内分别安装线阵相机，所述线阵相机的 镜头指向轨道外侧轨腰区域，所述线阵相机的镜头指向与所述轨道的轨面夹角范围为 [30° -a，30° +a]，a为预设角度，利用所述线阵相机获取轨道图像。
[0013] 结合第一方面，本发明实施例提供了第一方面第二种可能的实施方式，其中，所述 采用平滑区间自适应的局部三值模式LTP算法生成所述子区域的明度局部二值模式LBP特 征直方图和所述子区域的暗度LBP特征直方图，包括：
[0014] 以每个像素点为中心，根据所述每个像素点周围区域的明暗情况确定所述每个像 素点的平滑区间；
[0015] 根据所述每个象素点的平滑区间利用LTP算法生成所述每个像素点的LTP编码；
[0016] 将所述每个像素点的LTP编码转化为明度LBP编码和暗度LBP编码；
[0017] 统计所述子区域内所有像素点的明度LBP编码，得到所述子区域的明度LBP特征 直方图，统计所述子区域内所有像素点的暗度LBP编码，得到所述子区域的暗度LBP特征直 方图。
[0018] 结合第一方面第二种可能的实施方式，本发明实施例提供了第一方面第三种可能 的实施方式，其中，所述以每个像素点为中心，根据所述每个像素点周围区域的明暗情况确 定所述每个像素点的平滑区间，包括：
[0019] 利用公式t=hXσ确定所述每个像素点的平滑区间；其中，t为所述每个象素 点的平滑区间，t。为预设常数，〇为所述每个像素点周围区域内各个像素点的像素灰度值 的标准差。
[0020] 结合第一方面第二种可能的实施方式，本发明实施例提供了第一方面第四种可能 的实施方式，其中，所述根据所述每个象素点的平滑区间利用LTP算法生成所述每个像素 点的LTP编码，包括；
[0021] 利用以下公式生成所述每个像素点的LTP编码；
[0022]
[0023] 其中，t为所述每个像素点的平滑区间，i。为所述每个像素点的灰度值，u为所述 每个像素点周围区域的各个像素点的灰度值，s(u，i。，t)为所述每个像素点的LTP编码。
[0024] 结合第一方面第二种可能的实施方式，本发明实施例提供了第一方面第五种可能 的实施方式，其中，所述将所述每个像素点的LTP编码转化为明度LBP编码和暗度LBP编 码，包括：
[0025] 将所述每个像素点的LTP编码中值为"-1"的编码置为"0"，得到所述每个像素点 的明度LBP编码；
[0026] 将所述每个像素点的LTP编码中值为"1"的编码置为"0"，值为"-1"的编码置为 "1"，得到所述每个像素点的暗度LBP编码。
[0027] 结合第一方面，本发明实施例提供了第一方面第六种可能的实施方式，其中，所述 将当前轨道图像分成多个子区域，包括：
[0028] 采用以下方式中的一种或多种将当前轨道图像分成多个子区域：区域交叠分区、 区域非交叠分区、多层分区、矩形分区、圆形分区、椭圆形分区。
[0029] 结合第一方面、第一方面第一种至第六种可能的实施方式，本发明实施例提供了 第一方面第七种可能的实施方式，其中，在根据所述当前轨道图像的图像特征与塞钉图像 的图像特征的匹配度，确定所述当前轨道图像是否包含塞钉图像之前，还包括：
[0030] 利用SVM(SupportVectorMachine，支持向量机）分类器对所述当前轨道图像的 图像特征进行运算，得到所述当前轨道图像的图像特征与塞钉图像的图像特征的匹配度。
[0031] 结合第一方面第七种可能的实施方式，本发明实施例提供了第一方面第八种可能 的实施方式，其中，所述SVM分类器采用下述方法训练：
[0032] 选取样本库中的塞钉图像和非塞钉图像分别作为正负样本；
[0033] 对所述正负样本进行伽马校正；
[0034] 基于所述明度LBP特征直方图和所述暗度LBP特征直方图提取校正后的所述正负 样本的图像特征；
[0035] 利用所述正负样本的图像特征对SVM分类器进行训练。
[0036] 第二方面，本发明实施例提供了铁道塞钉图像检测装置，包括：
[0037] 图像获取模块，用于利用安装在轨道巡检车上的图像采集设备获取轨道图像；
[0038] 区域特征提取模块，用于对于获取的每一张所述轨道图像，将当前轨道图像分成 多个子区域，在每个所述子区域中，采用平滑区间自适应的局部三值模式LTP算法生成所 述子区域的明度局部二值模式LBP特征直方图和所述子区域的暗度LBP特征直方图，拼接 所述明度LBP特征直方图和所述暗度LBP特征直方图得到所述子区域的特征直方图；
[0039] 图像特征提取模块，用于拼接所述当前轨道图像的所有所述子区域的特征直方 图，得到所述当前轨道图像的图像特征；
[0040] 塞钉图像检测模块，用于根据所述当前轨道图像的图像特征与塞钉图像的图像特 征的匹配度，确定所述当前轨道图像是否包含塞钉图像。
[0041] 本发明实施例中，首先获取轨道图像，然后对当前轨道图像进行分区处理，并基于 明度LBP特征直方图和暗度LBP特征直方图提取当前轨道图像的图像特征，最后根据当前 轨道图像的图像特征与塞钉图像的图像特征的匹配度，确定当前轨道图像是否包含塞钉图 像。通过本发明实施例中的铁道塞钉图像检测方法及装置，依据图像处理原理能够自动从 大量的轨道图像中检测出塞钉图像，缓解人工筛选塞钉图像效率低下的问题，从而提高塞 钉巡检效率。
【附图说明】
[0042] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对 范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这 些附