一种基于DHOG和离散余弦变换的接触网平衡线故障检测方法

摘要

本发明公开了一种基于DHOG和离散余弦变换的接触网平衡线故障检测方法。该方法包含平衡线及其支座识别定位及平衡线缺失故障检测两个过程：1)平衡线及其支座识别定位首先需对正、负样本的DHOG特征进行提取,再利用AdaBoost分类器进行训练；随后利用训练得到的分类器对滑动检测窗口内是否包含目标区域进行精确判断。2)平衡线缺失故障检测首先使用离散余弦变换对平衡线及其支座目标特征信息增强，再基于圆弧分段拟合进行圆形检测的两步法对图像内的圆形进行统计，根据圆个数最终给出接触网平衡线缺失的故障判断。本发明方法具有很高的检测准确率，在目标图像出现旋转、尺度变化的情况下，依旧具有良好的鲁棒性，对高铁接触网智能化巡检提供一定的技术参考。

主权项

一种基于DHOG和离散余弦变换的接触网平衡线故障检测方法，其特征在于，所述方法包括：A、适当调整检测车上摄像机采集角度对接触网局部信息进行采集，将将其存入接触网图像库中；B、对截取的接触网图像中截取的相关正、负样本进行DHOG特征检测；检测的步骤如下：a)将图像划分为大小相同的若干个正方形Cell，之后将每四个相邻的Cell合并为块；b)计算每个像素点的梯度幅值与方向式中，m(x,y)为图像I的(x,y)像素的梯度幅值，表示该像素点的方向；c)计算每个Cell的梯度直方图，并将同一块中Cell的梯度直方图连接，连接后为36维特征向量，利用下式对特征向量进行归一化式中，N表示块中Cell个数，L表示对直方图划分的区间数，H_dn(i)表示Cell的DHOG，H_r(i)表示Cell的DHOG；本发明中N取4，L取10；C、对平衡线及其支座图像训练AdaBoost分类器；假设训练集为(x₁,y₁)、…、(x_n,y_n)，其中x_i为样本，y_n为类标，y_n＝±1，AdaBoost算法具体实现如下：1)输入训练样本及类标，给定训练样本的权重为1/m；2)对选取的特征构建决策树弱分类器，进行T次迭代，每次迭代后，用带权值的样本(xi,wt)，训练分类器ht(x)；3)计算错分类样本的权值和et，若et>0.5或et＝0，则结束运算；否则令错分样本的权值wt＝wt(1‑et)/et；4)给出正确分类的样本权值wt＝wt*et/(1‑et)，并重新对权值归一化，使其和为1；从而给出级联分类器的分类规则：D、基于离散余弦变换的平衡线及其支座图像特征增强，具体实现如下：1)首先对图像去对数运算，再对图像进行离散余弦变换得到频域的系数分布：ln f(x,y)＝ln r(x,y)+ln i(x,y) 式中，C(u,v)表示图像经离散余弦变换后的二维频率域图像能量函数。变换后包含M×N＝51360个不同频率的系数，其中C(0,0)是低频系数，表示图像的照度分量，其余的51359个高频系数表示图像的反射分量；2)滤波器设计如下式所示：式中，k₁是高功率阈值，本发明中k₁＝600；3)根据α‑rooting算法调整离散余弦频域系数，随后利用离散余弦反变换及指数运算得到增强的图像：f′(+,y)＝e^i′(x,y)e^r′(x,y)式中，r‘(x,y)、i‘(x,y)为对数域的图像灰度增强值；E、平衡线及其支座图像圆形检测，具体步骤如下：1)设定分段长度，扫描图像并检查当前像素点八邻域是否有联通点，获取链路；2)对链路拟合，得到表征链路的参数及相应目标函数；3)验证链路是否为可接受的圆弧，根据设定的圆弧半径对其筛选，对可接受的圆弧段进行聚类，得到圆形；F、结合E步骤的检测结果，图像中圆半径大于d＝12时进行统计；考虑接触网平衡线及其支座所处的不同路况，给出较为完备的实现平衡线缺失故障检测判据如下：G、利用上述步骤对待检测接触网图像进行检测，根据D步骤判据，给出故障判断信号，并输出至后续处理单元。