基于计算机视觉的轨道扣件缺陷自动检测算法研究

• 作者: 刘甲甲 李柏林 李立 熊鹰
• 来源期刊: 铁道学报
• 学科: 工学
• 关键词: 计算机视觉 扣件检测 特征提取 特征融合 贝叶斯压缩感知
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 铁道通信信号
• 页码范围: 73-80
• 页数: 8页
• 分类号: TP391.41
• 字数: 4800字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2016.08.011

摘要

针对轨道扣件缺陷自动识别问题，提出一种基于图像融合特征和贝叶斯压缩感知的图像分类识别方法。从轨道图像中分割出扣件子图像，并分别提取其改进的边缘梯度特征 IEO H 和扣件端部的宏观纹理特征MSLBP ；利用层级加权融合将二者融合形成鲁棒的、分辨力更强的IEOH＿MSLBP特征；在贝叶斯压缩感知模型的基础上根据训练样本构建传感矩阵，求解待测试样本相应的稀疏系数矢量，并根据系数矢量中对应训练样本类别的各元素的 L2范数判定待测试扣件的状态。实验结果表明，使用 IEOH＿MSLBP特征的平均检测准确率比单独使用IEOH、MSLBP特征分别高出5.1％、4.7％；同时，本文所提检测方法相较于主流方法在识别率方面具有一定优势，可为铁路扣件自动化巡检提供重要技术借鉴。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李柏林	西南交通大学机械工程学院	139	883	15.0	21.0
2	熊鹰	西南交通大学机械工程学院	19	170	9.0	12.0
3	李立	西南交通大学机械工程学院	64	512	14.0	19.0
4	刘甲甲	西南交通大学机械工程学院	17	204	9.0	14.0