利用图像处理理论，本文从悬链线场景图像中提取了DHOG特征，并相应地提取了选定的样本库，然后使用SVM仿真器来指示绝缘子的位置和识别。果很好。验结果表明，本文描述的方法可以识别倾斜角度的绝缘子，并且对图像的亮度和对比度的依赖性较小。
文提出的定位方法可以为检测绝缘子缺陷提供技术参考。着客运专线的大规模开通，中国铁路从大规模建设时期起已全面进入运维阶段。2012年，铁路公司制定了《牵引力检测与控制系统（6C系统）规范》，旨在实现对铁路设备故障的智能检测，并提高铁路设备的效率。护[1-2]。前，基于图像处理的绝缘子的非接触式隔离具有以下优点：低风险，减少干扰和设备简单。照传输线的图像找到绝缘瓷瓶中的裂缝；使用绝缘模板匹配方法和光反射点特性定位隔离器；使用小波奇异函数检测绝缘子的异物；使用定向弯曲波滤波使用带能统计信息确定绝缘缺陷位置，防旋转方法和隔离器故障检测基于哈里斯光谱和角聚类。
出了一种基于特征的快速鲁棒调整的检测方法。些研究得出了一些结果，但也存在以下问题：检测算法对亮度和对比度的变化敏感，没有旋转不变性，并且提取精度需要提高。文提出了一种接触网绝缘的识别和定位方法，包括两个过程：提取DHOG元件隔离以及在SVM下识别和定位隔离器：（1）首先，操作所选目标图像的DHOG应该在正样本和负样本上执行。取（2）使用SVM分类器形成样本数据库，然后准确确定在滑移检测窗口中是否包含绝缘子检测目标区域。DHOG函数使用一组局部直方图来描述对象，这些直方图计算图像特定区域的梯度方向的频率，然后将这些单元划分为多个单元以进行特征提取，提取较小的几何变形和图像的局部性。以始终保持对比度变化。整个图像中，绝缘子也被认为属于微小目标。
外，铁路条件不同，存在角度旋转。于通过DHOG获得的描述符具有缩放和旋转不变性，
电缆因此本文使用DHOG来描述其特征。a）首先将图像划分为几个相同大小的正方形像元，然后将所有四个相邻像元合并为块，如图1所示。
）使用以下公式计算梯度m（x， y）和每个像素的方向（x，y），计算每个单元格的梯度直方图，并将单元格的梯度直方图连接到同一块。连接之后是一个特征向量36维。c）使用以下公式对特征向量进行归一化，以消除光线和背景对比度的影响。
公式中，N是块中的单元数，L是直方图除法的间隔数，Hdn（i）是单元的DHOG，Hr（i）是单元的DHOG 。了提高梯度直方图的计算速度，本文采用积分图法。
该公式中，对应于积分图中的坐标点的值，并且对应于原始图像中具有坐标的像素点的灰度值。过使用以下公式遍历原始图像进行计算。公式中，它是左侧同一行上像素的累积像素值。
图2所示，在计算区域D的梯度直方图时，仅应计算积分图的四个点（数字分别标记为1、2、3和4）。类器的训练必须首先在悬链线图像中截取相关的正样本和负样本。要正样本是绝缘图像，负样本必须随机包含悬链线中与绝缘子无关的其他部分的图像（某些样本如图3所示）。择的正负样本库不仅考虑与目标区域有关的因素，而且还考虑不相关的因素。方法可以进一步提高检测的准确性。文将截取正负样本时的纵横比设置为1：1，以减少“对齐问题”引起的DHOG特性差异。正样本和负样本的大小归一化为滑动检测窗口的大小。算正负样本的HOG特性，并使用它们描述样本以形成线性支持向量机。性支持向量机使用两种样本数据的最大间隔来确定超平面的划分：它具有以下特征：操作简单，计算速度快。设用于训练的样本集为and。中，分类表面由参数w和b确定，w是权重向量，b是阈值。是在线性不可分的情况下引入的松弛项。C是惩罚系数。
关系式（9）所示，通过迭代求解方程式（8）中的最小值，
电缆可以获得最佳分类区域和最佳分类决策函数。于测试样本，只要在等式（9）中替换了特征向量，就可以基于函数的值确定样本类别。过以上方法形成的SVM分类器可以用于确定绝缘体是否包括在要检测的悬链线图像的滑动窗口中。
了验证提取DHOG特性和从SVM训练器中提取绝缘的准确性。来自影像铁路图书馆的影像进行了侦察和定位实验。中显示了单个普通杆绝缘子在图像中的定位效果，图4是单个绝缘子的识别效果卡。5显示图像中存在多个绝缘体。4清楚地表明，定位区域包含所有绝缘子信息，该文件中提出的算法使有效地识别绝缘子成为可能。以实现对目标区域的完全提取。
于检查车拍摄的大量图像，传统的手动检测方法已证明难以满足悬链线检测的要求，并且无法保证其效率和准确性。
本文中，使用图像处理理论从实时图像中提取DHOG特征。方法使得可以以倾斜角度识别绝缘，并且较少依赖图像的亮度和对比度。文提出的绝缘检测方法为有效保证电气化铁路的安全可靠运行提供了新的参考。
本文转载自
电缆 https://www.haoluoyi.com
猜您兴趣
首页
QQ