专利名称：一种铁路货运列车图像中装载平衡检测方法
技术领域：
本发明涉及图像处理方法，尤其涉及一种铁路货运列车图像中装载平衡检测方法。
背景技术：
铁路货运列车会运载各种货物，工人在装载货物时由于人工的原因可能会导致装载货物的不平衡，随着现代火车运行速度的提高，装载不平衡在火车高速运行时会影响火车的平稳运行，因此，如何监控铁路货运的装载平衡状况从而保障铁路货运的安全，是目前
铁路货运的一个问题。
发明内容
为了克服上述问题，本发明的目的是提供一种铁路货运列车图像中装载平衡检测方法，其能够对列车装载平衡进行自动的智能检测和分析，提高铁路货运的安全性。为了实现上述目的，本发明采用如下方法一种铁路货运列车图像中装载平衡检测方法，其包括如下步骤步骤I :获取图像，获取铁路货运列车图像；步骤2 :去除背景和无关的位置，保留装载区域图像，获得待处理图像P ;步骤3 :均值偏移滤波，使用均值偏移算法对待处理图像P进行方向为X轴的均值滤波，滤波器的窗口尺度为定值N，获得去除噪音，强化前景边缘的图像，其中！■为自然数且3 ^ r ^ 7 ；步骤4 :SURF获得特征点云，根据步骤3中获得的图像，利用SURF算法获得特征点云;步骤5 :去除离散特征点，根据步骤4中获得的特征点云，去除离散的特征点，只保留集中聚集的特征点；具体为A利用K-Mean算法将特征点云按照X，Y轴的坐标，分成M类，这里M为自然数且3彡M彡5 ;B计算各特征点到本类中心点的距离；C当特征点到本类中心点距离大于设定的阈值T时，去除该特征点；步骤6 =K-Mean分割，对步骤3获得的图像进行区域分割，使用K-Mean算法对图像的灰度分布进行K个分类，这样在图像像素空间形成K组区间，根据不同的分类区间，对图像中的每一格像素进行二次赋值，得到分割后的图像P。，其中K为自然数；步骤7 :特征点重新分组和统计，根据步骤6的分割后的图像P。，对步骤5获得的特征点进行重新分组和参数统计，具体步骤如下I)根据特征点在分割图像P。的位置，对特征点云进行分类，将步骤5获得的特征点云分为K组；
2)计算同一组特征点云的中心坐标Ck，k e K ;步骤8 :装载平衡判断，对步骤7获得图像中的装载状态进行分析，发现是否存在左右两侧装载平衡异常的情况，具体步骤如下a将图像平均分为左右两部分；b计算左右两端特征点云的中心点到整幅图像中心的距离Disl和Dis2 ；c计算属于左边的Ck到整幅图像的平均距离DisCl ；d计算属于右边的Ck到整幅图像的平均距离DisC2e如果Disl与Dis2的绝对差值大于设定阈值，就认为装载平衡异常；如果DisCl与DisC2的绝对差值大于设定阈值,就认为装载平衡异常。 优选地，r=3。优选地，M=4。本发明的有益效果是通过对运行途中的铁路货运火车的装载区域图像的处理和检测，获取货物的装载情况，为铁路货运提供安全运行的保障。
图I为本发明的检测方法示意图。
具体实施例方式下面结合附图对本发明的检测方法做出说明。参见图1，本发明提供了一种铁路货运列车图像中装载平衡检测方法，其包括如下步骤步骤I :获取图像，获取铁路货运列车图像，通过视频监控系统来获取运行中的铁路货运列车图像；步骤2 :去除背景和无关的位置，保留装载区域图像，获得待处理图像P ;步骤3 :均值偏移滤波，使用均值偏移算法对待处理图像P进行方向为X轴的均值滤波，滤波器的窗口尺度为定值N，获得去除噪音，强化前景边缘的图像，其中N为自然数且3 ^ r ^ 7,优选 r=3 ；均值偏移滤波原理如下如果有一个中心点X，获得其周围共η个邻域像素点Xi (i e η)，通过下面的公式进行计算，最终获得偏移滤波向量Hl(X):
ΠIiif~sV Jf f--—I
,P WiLrf ' I - -1其中K (X)使用高斯函数表示如下KCx) = W~ s ^对大小为[w|h]的图像P，以每一个像素点为中心X，以窗口半径尺度为r，进行如下步骤，直到所以像素完成滤波处理对每个中心点X，计算m(x) ；>|# m(x)的值赋给X;如果I Im(X)-X < s| |，结束，否则继续步骤1-2;其中，ε为设置的固定阈值，一般在O. 001至
2.5之间。
步骤4 :SURF获得特征点云，根据步骤3中获得的图像，利用SURF算法获得特征点云;步骤5 :去除离散特征点，根据步骤4中获得的特征点云，去除离散的特征点，只保留集中聚集的特征点；具体为A利用K-Mean算法将特征点云按照X，Y轴的坐标，分成M类，这里M为自然数且3彡M彡5;优选M=4B计算各特征点到本类中心点的距离；C当特征点到本类中心点距离大于设定的阈值T时，去除该特征点；这其中，K均值算法的步骤如下假设对m个对象进行K个分类 (I)以随机初始化中心点作为K个分类对象的初始聚类中心。(2)计算每个对象与这些中心对象的距离，并根据最小距离分配到K个聚类中的某一个。(3)使每个聚类中所有的样本的均值作为新的聚类中心。重复(2)和(3)直到聚类中心不再变化。步骤6 =K-Mean分割，对步骤3获得的图像进行区域分割，使用K-Mean算法对图像的灰度分布进行K个分类，这样在图像像素空间形成K组区间，根据不同的分类区间，对图像中的每一格像素进行二次赋值，得到分割后的图像P。，其中K为自然数；步骤7 :特征点重新分组和统计，根据步骤6的分割后的图像P。，对步骤5获得的特征点进行重新分组和参数统计，具体步骤如下I)根据特征点在分割图像P。的位置，对特征点云进行分类，将步骤5获得的特征点云分为K组；2)计算同一组特征点云的中心坐标Ck，k e K ;步骤8 :装载平衡判断，对步骤7获得图像中的装载状态进行分析，发现是否存在左右两侧装载平衡异常的情况，具体步骤如下a将图像平均分为左右两部分；b计算左右两端特征点云的中心点到整幅图像中心的距离Disl和Dis2 ；c计算属于左边的Ck到整幅图像的平均距离DisCl ；d计算属于右边的Ck到整幅图像的平均距离DisC2e如果Disl与Dis2的绝对差值大于设定阈值,就认为装载平衡异常；如果DisCl与DisC2的绝对差值大于设定阈值,就认为装载平衡异常。以上对本发明的一个实例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
权利要求
1.一种铁路货运列车图像中装载平衡检测方法，其包括如下步骤 步骤I:获取图像，获取铁路货运列车图像； 步骤2 :去除背景和无关的位置，保留装载区域图像，获得待处理图像P ； 步骤3 :均值偏移滤波，使用均值偏移算法对待处理图像P进行方向为X轴的均值滤波，滤波器的窗口尺度为定值r，获得去除噪音，强化前景边缘的图像，其中N为自然数且3≤ r ≤ 7 ； 步骤4 =SURF获得特征点云，根据步骤3中获得的图像，利用SURF算法获得特征点云；步骤5 :去除离散特征点，根据步骤4中获得的特征点云，去除离散的特征点，只保留集中聚集的特征点；具体为 A利用K-Mean算法将特征点云按照X，Y轴的坐标，分成M类，这里M为自然数且3≤M≤5 ; B计算各特征点到本类中心点的距离； C当特征点到本类中心点距离大于设定的阈值T时，去除该特征点； 步骤6 =K-Mean分割，对步骤3获得的图像进行区域分割，使用K-Mean算法对图像的灰度分布进行K个分类，这样在图像像素空间形成K组区间，根据不同的分类区间，对图像中的每一格像素进行二次赋值，得到分割后的图像P。，其中K为自然数； 步骤7 :特征点重新分组和统计，根据步骤6的分割后的图像P。，对步骤5获得的特征点进行重新分组和参数统计，具体步骤如下 1)根据特征点在分割图像P。的位置，对特征点云进行分类，将步骤5获得的特征点云分为K组； 2)计算同一组特征点云的中心坐标Ck,k e K ; 步骤8 :装载平衡判断，对步骤7获得图像中的装载状态进行分析，发现是否存在左右两侧装载平衡异常的情况，具体步骤如下a将图像平均分为左右两部分； b计算左右两端特征点云的中心点到整幅图像中心的距离Disl和Dis2 ； c计算属于左边的Ck到整幅图像的平均距离DisCl ； d计算属于右边的Ck到整幅图像的平均距离DisC2 e如果Disl与Dis2的绝对差值大于设定阈值，就认为装载平衡异常；如果DisCl与DisC2的绝对差值大于设定阈值,就认为装载平衡异常。
2.如权利要求I所述的检测方法，其特征在于所述r=3。
3.如权利要求I或2所述的检测方法，其特征在于所述M=4。
全文摘要
本发明涉及一种铁路货运列车图像中装载平衡检测方法，其包括如下步骤获取图像；获得待处理图像；均值偏移滤波；利用SURF算法提取左右两侧图像的不变纹理特征点；然后通过分割后的区域，确定左右两侧货物的特征点分布范围；最后通过计算分布范围的几何数据，判断图像中左右两侧货物的装载是否平衡。本发明的有益效果是通过本发明的方法来对铁路货运列车的装载状况进行检测，获取是否装载平衡的信息，为铁路货运的安全提供相关的数据，保证货运列车运行的安全。
文档编号G06T7/00GK102867305SQ20121032538
公开日2013年1月9日 申请日期2012年9月5日 优先权日2012年9月5日
发明者俞大海, 单玉堂, 韩建枫, 陈钟, 李书军, 李震, 顾辉 申请人:天津光电高斯通信工程技术有限公司