[发明专利]基于图像的高铁线路线杆断裂与联接结构体异常检测方法

权利要求书

1.一种基于图像的高铁线路线杆断裂与联接结构体异常检测方法，其特征在于包括如下步骤，

采用一种多尺度局部二值化算法对待检测的高速铁路沿线拍摄图像进行二值化处理并得到二值图像，突出线路主体，排除背景干扰，包括将输入图像向下采样，形成包括原图在内的共四张尺寸不同的子图，利用一种固定窗口大小的局部二值化算法分别对四张子图进行二值化处理，得到四张二值子图像，依据所述输入图像的尺度，分别在上述四张二值子图像中选择一定大小范围内的前景物体进行保留，将选择出的前景目标统一合并到同一尺度，得到包含精确结构信息的二值图像；

利用一种骨架提取算法对所述的二值图像进行处理，得到线路的骨架结构；

针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位断裂出现的位置；

针对联接结构体异常，利用线路骨架结构图对联接体局部图像进行提取，并利用卷积神经网络进行异常的检测与判定。

2.根据权利要求1所述的基于图像的高铁线路线杆断裂与联接结构体异常检测方法，其特征在于针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位断裂出现的位置，还包括，通过多次迭代操作，逐渐剥离二值图中图形的边缘，并最终留下骨架图像。

3.根据权利要求1所述的基于图像的高铁线路线杆断裂与联接结构体异常检测方法，其特征在于针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位断裂出现的位置，还包括，

通过分析骨架图中的骨架像素点及其周围八个像素点，确定图中每个骨架像素点的类型；

通过对像素点的类型进行检查，确定可疑断裂点；

通过对可疑断裂点进行筛选，排除误检，得到最终异常检测结果。

4.根据权利要求1所述的基于图像的高铁线路线杆断裂与联接结构体异常检测方法，其特征在于针对联接结构体异常，利用线路骨架结构图对联接体局部图像进行提取，并利用卷积神经网络进行异常的检测与判定，还包括，

通过提取骨架图中特定类型像素点周围的区域，得到高铁线路中联接结构体的局部图像；

通过提取局部图像的HOG特征，并用K-means聚类算法对联接结构体图像进行聚类，得到大量同类联接结构体的局部图像；

将联接结构体的正常与异常的局部图像送入卷积神经网络进行训练，得到能够区分联接结构体异常与否的卷积神经网络模型；

利用训练好的卷积神经网络模型对待检测图像中的联接结构体进行异常检测。

5.根据权利要求1所述的基于图像的高铁线路线杆断裂与联接结构体异常检测方法，其特征在于还包括，

对输入图像进行向下采样，首先将输入图像转换成灰度图像，然后在三个不同的尺度上进行下采样操作，得到三张子图；

计算待采样灰度图像的积分图像，得到积分图像后计算子图的像素值，得到四张不同尺度的灰度图像；

在得到四张灰度图像后，利用一种固定窗口大小的局部二值化算法分别对四张灰度图像进行二值化处理，得到四张不同尺度的二值图像；

在得到四张二值图像后，进行前景物体的选择；

在完成前景物体选择后，将上一步的结果合并至一张图上。

6.根据权利要求2所述的基于图像的高铁线路线杆断裂与联接结构体异 常检测方法，其特征在于还包括，

将二值图简化成用一个矩阵来进行表示，在算法的迭代过程中，某次迭代赋予像素点的新值由上一次迭代完成后该像素点的八个邻居像素点的值决定；迭代后二值图中的所有像素点都能够被更新；算法的一次迭代分为两个子迭代过程，经过这两个子迭代过程，图形的边缘点会被逐渐删除，将这两个子迭代过程一直重复下去直到图像不发生改变，此时图中留下的就是最终的骨架。