[发明专利]基于数字图像的钢轨表面缺陷检测方法

说明书

技术领域

本发明涉及交通运输、工业监控、数字图像处理和模式识别领域，尤其涉及一种基于数字图像的钢轨表面缺陷检测方法。

背景技术

铁路运输安全性一直是关系到经济发展和人身安全的重大问题。随着既有线提速、客运专线的陆续建设，动车组高速运行对铁路各项基础设施养护维修提出了更高的要求。钢轨作为重要的铁路基础设施，其运用状态对行车安全具有直接和至关重要的影响，因此必须加强对钢轨的动态检测和状态监控，及时指导养护维修。

在过去很长一段时间，铁轨缺陷检测一直依赖人工巡检，效率低下，检测结果也不能得到保证。为了节省人力，提高检测效率，人们提出了各种自动化(或者半自动化)的钢轨缺陷检测方法，比如超声波检测，脉冲涡流检测等(ClarkR..Rail Flaw Detection：Overview and Needs for Future Developments.IndependentNondestructive Testing and Evaluation，2004，37，111-118.)。但是，这一类方法都很难区分钢轨内部伤损和表面缺陷，目前的做法是伤损检出后，由地面用小型探伤仪进行复检，在复检过程中判断出该处钢轨伤损的类型。为了有效检测钢轨表面缺陷，最近，人们提出了基于计算机视觉的检测方法。在此方法中，摄像机首先采集钢轨表面的图像，然后，计算机自动分析图像的内容并且识别钢轨图像是否存在缺陷(Marino F.，Stella E..ViSyR：a Vision System for Real-TimeInfrastructure Inspection.Vision Systems：Applications，Edited by：G.Obinata and A.Dutta，pp.608，I-Tech，Vienna，Austria，2007.)。在基于数字图像的检测方法中，钢轨表面图像的分析和缺陷识别是关键，其分析和识别方法大致可以分为以下三类：

1)统计方法：通过分析纹理特征，分割图像中统计信息不同的区域，并把这样的区域识别为缺陷区域。这种方法有一个假设前提，即非缺陷区域是图像中的主要成份，并且统计上稳定。纹理特征的统计方法主要有：边缘检测(ConciA.，C.B..A Computer Vision Approach for Textile Inspection.TextileResearch Journal，2000，Vol.70，No.4：347-350.)、形态学操作(Unser M.，Ade F..Feature Extraction and Decision Procedure for Automated Inspection of TexturedMaterials.Pattern Recognition Letters，1984，Vol.2，No.3：185-191.)、特征滤波(Monadj emi A.，Mirmehdi M.，Thomas B..Restructured Eigen Filter Matching forNovelty Detection in Random Textures.Proceedings of the 15th British MachineVision Conference，Kingstom，2004：637-646.)等等。统计方法对于图像的质量要求比较高，对于噪声比较敏感。

2)谱方法：统计方法主要是对空间域的灰度信息进行分析和处理，其性能和鲁棒性难以满足用户的要求。为了克服这些困难，研究者提出了频域的方法，称之为谱方法。谱方法首先通过傅立叶变换，Gabor滤波，小波变换等方法对图像进行变换，然后在变换域分析和检测(Kumar A.，Pang G..Defect Detection inTextured Materials Using Gabor Filters.IEEE Transactions on Industry Applications，2002，Vol.38：425-440.)。谱方法对于周期性的、全局性的缺陷检测能有较好的效果，但是它对局部缺陷检测则不尽人意，另外，其检测速度比较慢。