基于边缘点自相似性的水渍图像识别及TEDS系统的制作方法

技术特征：

1.一种基于边缘点自相似性的水渍图像识别，其特征在于，包括以下步骤：

步骤一：在计算机中输入待检测的图像，利用canny边缘检测算法获取该图像的所有边缘点；

步骤二：对所有边缘点进行分类，同类边缘点属于一个图像轮廓的一条初始边缘线，获取待检测的图像的所有的初始边缘线，给每个边缘点分配一个基准方向，并提取每个边缘点的特征向量，且对每个特征向量进行归一化处理；

步骤三：根据每个边缘点归一化处理后的特征向量计算每条初始边缘线上每个边缘点的局部自相似性值和整体自相似性值，并将局部自相似性值和整体自相似性值的加权组合作为该边缘点最终的自相似性值；

步骤四：设定一个高阈值，获取每条初始边缘线上的自相似性值高于高阈值的边缘点的集合，剔除每条初始边缘线上自相似性值低于高阈值的边缘点；

步骤五：计算上述集合中每个边缘点与其最邻近边缘点的自相似性值，设定一个低阈值，获取集合中所有的自相似性值高于低阈值的边缘点，将该集合中低于低阈值的边缘点标记为形成不规则图像的不规则边缘点；

步骤六：对步骤五中高于低阈值的边缘点分类，同一类边缘点形成一个图像轮廓的校正边缘线，给所有的校正边缘线设定一个长度阈值，获取小于该阈值的校正边缘线，将该校正边缘线上的点标记为形成不规则图像的不规则边缘点；

步骤七、统计步骤五和步骤六中的不规则边缘点的方向分布直方图，确定每个不规则边缘点的主方向，预设一个向下的方向阈值范围，剔除所有主方向不在方向阈值范围内的不规则边缘点，将主方向在方向阈值范围内的不规则边缘点标记为水渍图像。

2.根据权利要求1所述的基于边缘点自相似性的水渍图像识别，其特征在于，所述步骤三中根据每个边缘点归一化处理后的特征向量计算每条初始边缘线上的边缘点最终的自相似性值的方式为：设定 和为边缘线上的任意两个边缘点，其特征向量分别为和，则

边缘线上任意两个边缘点和的相似性值为：，这里向量内积的计算方式为向量对应元素相乘再相加，得到两个边缘点和的相似性值；

边缘点的局部自相似性值为：取该边缘点所在的边缘线上与该边缘点相邻且位于其两侧的四个边缘点、、、，则边缘点的局部自相似性值为：

；

边缘点的整体自相似性值为：假定该边缘线上共有n个边缘点，则边缘点的整体自相似性值为：

；

设定局部自相似性和整体自相似性的权值为，且，，将局部自相似性值和整体自相似性值组合，则边缘点的最终自相似性值为：

；

归一化处理后的特征向量的范围在0到1之间，则自相似性值在0到1之间表示相似程度，自相似性值为0时是完全不相似状态，为1时是完全相似状态。

3.根据权利要求1所述的基于边缘点自相似性的水渍图像识别，其特征在于，所述步骤二中给每一个边缘点分配一个基准方向的方式为：

对于任一个边缘点，构造以当前边缘点为中心的局部邻域，计算该邻域内所有像素点的梯度值和方向，利用直方图统计该邻域内所有像素点的梯度值和方向，直方图内包含将0~180度的方向范围均分的9个直方柱，180~360度均分并合并在9个直方柱上；

计算每个边缘点对相邻两个方向的加权系数，再根据加权系数和梯度值计算每个边缘点对相邻两个方向的贡献权值，将贡献权值累加至该边缘点所在的直方图的每个直方柱上，直方图峰值所在方向为该边缘点的基准方向。

4.根据权利要求1所述的基于边缘点自相似性的水渍图像识别，其特征在于，所述步骤二中任一个边缘点的特征向量的提取方式为：

设定任一边缘点为，该边缘点的基准方向为，将坐标轴旋转至基准方向；在旋转后的坐标系中沿着四个方位分别取距离边缘点预定个像素位置的点、、、，构造以、、、、为中心的5个局部邻域，计算每个像素点的梯度值和每个像素点对相邻两个方向的贡献权值；统计5个局部邻域的方向分布直方图，得到5个直方图 ；该边缘点的特征向量为：；最后对每个边缘点的特征向量进行归一化处理。

5.根据权利要求1所述的基于边缘点自相似性的水渍图像识别，其特征在于，每个不规则边缘点的主方向的确定方式为：

对于任一个不规则边缘点，该边缘点的基准方向为，将坐标轴旋转至基准方向，构造以当前边缘点为中心的局部邻域，计算该邻域内所有像素点的方向；构建一个将0~180度的方向范围均分成18个直方柱的柱形图，180~360度均匀分布并合并到18个直方柱上，统计18个直方柱中每个直方柱方向范围内的像素点数目；最后统计得到的柱形图峰值所在方向为当前边缘点的主方向。

6.一种TEDS系统，其特征在于，包括权利要求1至5所述的任一项基于边缘点自相似性的水渍图像识别，将标记的水渍图像默认为动车组的正常状态，在动车组故障检测时不标记。