[发明专利]基于显著性分析的轨道板病害检测方法

权利要求书

1.一种基于显著性分析的轨道板病害检测方法，其特征在于：该方法包括：

(1)获取监测期的轨道板监测视频，并对监测视频进行光照预处理，使得监测视频的光照强度统一；

(2)采用Itti算法从预处理后监测期监测视频帧中提取出颜色、亮度和方向上的特征，并进行融合得到空间显著图；

(3)对历史监测视频进行稀疏采样，并将采样的视频帧与步骤(1)预处理后的监测期监测视频帧进行差异计算，选取差异大于预设阈值的监测期监测视频帧作为可靠帧；

(4)对于步骤(1)预处理后的监测期监测视频，选取其中相对上下帧具有特征突变的帧作为可靠帧；具体包括：

(4.1)获取步骤(1)预处理后的监测期监测视频；

(4.2)对于监测期监测视频的每一帧，按照以下公式分别计算其与上一帧和下一帧的亮度差值、颜色差值和纹理差值：

L_i＝(l(P_i)-l(P_i-1))+(l(P_i)-l(P_i+1))

C_i＝(c(P_i)-c(P_i-1))+(c(P_i)-c(P_i+1))

T_i＝(t(P_i)-t(P_i-1))+(t(P_i)-t(P_i+1))

式中，P_i表示当前视频帧，P_i-1、P_i+1分别表示上一帧和下一帧，L_i、C_i、T_i分别表示当前视频帧P_i与上一帧和下一帧的亮度差值、颜色差值、纹理差值，l(·)表示视频帧的亮度值，c(·)表示视频帧的颜色值，t(·)表示视频帧的纹理值；

(4.3)将每一帧与上一帧和下一帧的亮度差值、颜色差值和纹理差值进行归一化，得到该帧的整体特征差值

式中，表示视频帧P_i与上下帧的整体特征差值，δ_L、δ_c、δ_T分别表示亮度、颜色和纹理特征的权重；

(4.4)将整体特征差值大于预设阈值的视频帧认为发生特征突变，将发生特征突变的视频帧作为可靠帧；

(5)采用自适应传递方法，根据所有可靠帧计算得到时间显著性值，作为时间显著图；

(6)将空间显著性图和时间显著图融合，得到粗糙时空显著图；

(7)对粗糙时空显著图进行考虑背景先验、中心先验以及空间紧密度因素的图像处理，得到改进时空显著性图，改进时空显著性图中时空显著值S(i)为：

S(i)＝norm(S_ia*exp(1-norm(S_ib+S_ic))

S_ia为超像素的平均吸收时间，即量化背景先验值，S_ib为超像素的位置显著值，S_ic为超像素的空间紧密度值；

(8)根据改进时空显著性图得到轨道病害显著权值，利用权值采用基于显著性加权模型的半监督分类方法对高速铁路轨道病害进行识别分类。

2.根据权利要求1所述的基于显著性分析的轨道板病害检测方法，其特征在于：步骤(1)具体包括：

(1.1)获取轨道板的监测视频；

(1.2)使用OpenCV函数库中的Range函数截取监测视频中每一帧中重点关注位置的图像，忽略底部一些因光照阴影形成的黑暗区域；

(1.3)使用OpenCV函数库中cvEqualizeHist函数将截取图像的直方图均衡化，实现光照强度统一。