面向鐵路扣件圖像特征的結構化ST-LDA語義學習方法研究.pdf

1、鐵路扣件是將鋼軌固定在軌枕上的部件，采用日益興起的計算機視覺技術代替人工完成扣件自動檢測，已成為鐵路維保部門向智能化方向發(fā)展的重要手段。目前基于計算機視覺的扣件檢測流程一般為:由分類器直接根據(jù)圖像底層特征判斷扣件狀態(tài)。因為底層特征穩(wěn)定性差，以及分類器難以擬合正常和失效扣件邊界，現(xiàn)有流程檢測效果不理想。本文在特征和分類器之間，通過語義學習的方法，從圖像特征描述中整合出圖像的主題分布，以該分布輸入分類器獲得扣件狀態(tài)。傳統(tǒng)語義方法通過單詞編碼

2、開始特征學習過程，但編碼忽略了圖像結構信息。本文設計了一種能夠感知扣件結構狀態(tài)的特征語義學習方法，主要研究工作如下:
　　(1)針對強光照變化，傳統(tǒng)LBP(local binary patterns)無法穩(wěn)定描述扣件結構的問題，提出了一種改進的二值化LBP方法，用以提取扣件結構圖像。該方法的主要特點是在傳統(tǒng)LBP的8個方向中選取一個最能刻畫扣件形狀的方向編碼得到結構圖像，理論分析表明該方法提高了光照穩(wěn)定性概率。實驗中，采用結構圖像

3、檢測扣件狀態(tài)，漏檢率為7.7％，誤檢率為11.3％，說明所提取的結構圖像能夠穩(wěn)定描述扣件結構形狀。
　　(2)針對傳統(tǒng)LDA(latent dirichlet allocation)丟失圖像結構信息的問題，基于上述結構圖像，在LDA中配置結構變量，提出了一種改進的結構化St_LDA(structure latent dirichletallocation, St_LDA)語義學習方法，用于從特征中抽取能夠反映扣件結構狀態(tài)的主題分布