基于图像处理的钢轨伤损分类算法研究

• 作者: 曹经纬 王文星 罗江平 黄梦莹
• 来源期刊: 机车电传动
• 学科: 交通运输
• 关键词: 钢轨 Tamura纹理特征 LBP 特征提取 SVM 钢轨伤损分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 试验检测技术
• 页码范围: 41-46,53
• 页数: 7页
• 分类号: U213.4+2
• 语种: 中文
• DOI: 10.13890/j.issn.1000-128x.2020.04.100

摘要

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别.因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(support vector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别.试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹经纬		2	0	0.0	0.0
2	王文星		3	2	1.0	1.0
3	黄梦莹		1	0	0.0	0.0
4	罗江平		1	0	0.0	0.0