[发明专利]一种城轨列车受电弓滑板边缘检测方法

权利要求书

1.一种城轨列车受电弓滑板边缘检测方法，其特征在于，基于改进的Canny算子，具体包括以下步骤：

步骤1，获取受电弓滑板灰度图像信号，使用图像信号与自适应尺寸的高斯卷积核进行卷积运算，得到滤波后的图像；

步骤2，在3*3的8邻域内用梯度算子计算经过滤波后的图像的梯度幅值及方向；

步骤3，对梯度幅值进行非极大值抑制，采用双阈值的自适应提取，进行边缘连接，得到受电弓滑板边缘图像。

2.根据权利要求1所述的城轨列车受电弓滑板边缘检测方法，其特征在于，步骤1所述的获取受电弓滑板灰度图像信号，使用图像信号与自适应尺寸的高斯卷积核进行卷积运算，具体如下：

将获得的受电弓滑板彩色图像信号转化为灰度图像信号，并与自适应尺寸的高斯卷积核进行卷积运算，设定自适应尺寸的高斯卷积核的尺寸为m*n，图像像素为ω*h，则自适应尺寸的高斯卷积核的计算公式如下：

3.根据权利要求1所述的城轨列车受电弓滑板边缘检测方法，其特征在于，步骤2所述的在3*3的8邻域内用梯度算子计算经过滤波后的图像的梯度幅值及方向，具体如下：

3*3的8邻域的方向偏导数和差分公式如下：

其中，G(i,j)为图像上(i,j)点的图像灰度值，P_x(i,j)为x方向的偏导数，P_y(i,j)为y方向的偏导数，P₄₅(i,j)为45°方向的偏导数，P₁₃₅(i,j)为135°方向的偏导数，f_x(i,j)为使用差分运算得出的x方向的图像梯度，f_y(i,j)为使用差分运算得出的y方向的图像梯度；

则梯度公式为：

其中，M(i,j)、θ(i,j)分别为(i,j)点的梯度幅值和梯度方向。

4.根据权利要求1所述的城轨列车受电弓滑板边缘检测方法，其特征在于，步骤3所述的对梯度幅值进行非极大值抑制，采用双阈值的自适应提取，进行边缘连接，得到受电弓滑板边缘图像，具体如下：

步骤3.1、利用线性插值沿点(i,j)的梯度方向获取该点的相邻最大梯度值，如果该梯度值大于点(i,j)的梯度值，则将点(i,j)的灰度值置为0；反之，则保留点(i,j)的灰度值；

步骤3.2、定义类内均值μ_i和方差

其中，设灰度值为j的像素的总数是n_j，p_j为其占整幅图像像素总数的比例；i为根据整幅图像所划分的不同灰度值区间的下角标，所划分的灰度值区间总数等于根据全部像素点梯度幅值划分的类别数；

步骤3.3、非极大值抑制后的图像，梯度幅值分为3类：C₀为非边缘点像素，梯度幅值范围为[0,1,…,k]；C₁为边缘点像素，梯度幅值范围为[k+1,k+2,…,m]；C₂为疑似边缘点像素，梯度幅值范围为[m+1,m+2,…,l-1]；

定义基于类内方差最小化自适应确定高低阈值和梯度幅度直方图的评价函数J(k,m)为：

将式(7)代入式(8)并进行推导得到：

其中，所得解k,m即为像素点梯度幅值阈值；使用k和m进行图像边缘连接，即可得到受电弓滑板边缘图像。