[发明专利]一种钢轨表面缺陷识别分类方法

权利要求书

1.一种钢轨表面缺陷识别分类方法，其特征在于，包括：

通过无人机获取钢轨区域图像，并对该钢轨区域图像进行预处理，获得目标区域图像；

通过比例加强最大熵阈值算法对所述目标区域图像进行处理，获得钢轨表面缺陷图像；

通过深度森林方法对所述钢轨表面缺陷图像的缺陷特征进行分类。

2.根据权利要求1所述的方法，其特征在于，所述的通过无人机获取钢轨区域图像，并对该钢轨区域图像进行预处理，获得目标区域图像包括：

对所述钢轨区域图像进行定位处理，获得钢轨垂直图像；

通过水平投影法获得该钢轨垂直图像的灰度值之和；

对所述钢轨垂直图像进行图像增强处理，获得所述目标区域图像。

3.根据权利要求2所述的方法，其特征在于，所述的对所述钢轨区域图像进行定位处理，获得钢轨垂直图像包括：

基于所述钢轨区域图像获得钢轨边缘直线特征；

通过如下公式

计算该钢轨边缘直线特征与垂直方向的夹角，获得所述钢轨垂直图像；式中，x₁、y₁、x₂和y₂分别为所述钢轨边缘直线特征的位置坐标；

所述的通过水平投影法获得该钢轨垂直图像的灰度值之和包括：

在所述钢轨垂直图像内建立坐标系；

通过如下M*N矩阵

和公式

计算获得所述钢轨垂直图像的灰度值之和；式中，D_i(N-1)是坐标(X,Y)的灰度值，F(x,y)为图像F在位置(x,y)的灰度值，H为图像的高；

所述的对所述钢轨垂直图像进行图像增强处理，获得所述目标区域图像包括：

通过预设的线性窗口W与所述钢轨垂直图像做卷积运算；

通过如下公式

获得所述目标区域图像；式中，E(F_(x',y'))为动态阈值函数，E(·)是窗口W内所有像素的平均像素值，F_(x,y)代表图像的像素值。

4.根据权利要求1所述的方法，其特征在于，所述的通过比例加强最大熵阈值算法对所述目标区域图像进行处理，获得钢轨表面缺陷图像包括：

通过如下公式

T^*＝arg max(H_o(T)·(φ_b)^a),T∈[0,255] (5)

从所述目标区域图像中获得阈值；

通过如下公式

φ_b＝1-φ_o (7)

从所述目标区域图像中获得前景点分布φ_o和背景点分布φ_b；

通过如下公式

和

P_G＝{p_n,n∈[0,255]} (11)

从所述目标区域图像中获得前景熵H_o(T)和背景熵H_b(T)；式中，p_n是一幅图像的灰度级n的概率；M是图像F总共的像素数；f_n是图像中的灰度值n的频率；P_G是图像F的全局分布。

5.根据权利要求1所述的方法，其特征在于，对所述钢轨表面缺陷图像的缺陷特征进行分类的依据包括多种所述钢轨表面缺陷图像的几何特征；

所述的通过深度森林方法对所述钢轨表面缺陷图像的缺陷特征进行分类包括：

通过预设的滑动窗口对某种所述钢轨表面缺陷图像的几何特征进行切分处理获得多实例特征向量，通过森林变换将该多实例特征向量转换为类别概率向量；

通过深度森林方法对所述类别概率向量进行迭代运算，获得多个概率向量结果；

对该多个概率向量结果进行平均值运算，获得某种所述钢轨表面缺陷图像的平均概率向量；

重复上述子步骤获得每种所述钢轨表面缺陷图像的平均概率向量，获得多种所述钢轨表面缺陷图像的平均概率向量的最大值。

6.根据权利要求5所述的方法，其特征在于，所述的多种所述钢轨表面缺陷图像的几何特征包括所述钢轨表面缺陷图像的面积、矩形度、长宽比和圆形度。