利用圖像處理理論，本文從懸鏈線場(chǎng)景圖像中提取了DHOG特征，并相應(yīng)地提取了選定的樣本庫(kù)，然后使用SVM仿真器來(lái)指示絕緣子的位置和識(shí)別。果很好。驗(yàn)結(jié)果表明，本文描述的方法可以識(shí)別傾斜角度的絕緣子，并且對(duì)圖像的亮度和對(duì)比度的依賴性較小。
　　文提出的定位方法可以為檢測(cè)絕緣子缺陷提供技術(shù)參考。著客運(yùn)專線的大規(guī)模開通，中國(guó)鐵路從大規(guī)模建設(shè)時(shí)期起已全面進(jìn)入運(yùn)維階段。2012年，鐵路公司制定了《牽引力檢測(cè)與控制系統(tǒng)（6C系統(tǒng)）規(guī)范》，旨在實(shí)現(xiàn)對(duì)鐵路設(shè)備故障的智能檢測(cè)，并提高鐵路設(shè)備的效率。護(hù)[1-2]。前，基于圖像處理的絕緣子的非接觸式隔離具有以下優(yōu)點(diǎn)：低風(fēng)險(xiǎn)，減少干擾和設(shè)備簡(jiǎn)單。照傳輸線的圖像找到絕緣瓷瓶中的裂縫；使用絕緣模板匹配方法和光反射點(diǎn)特性定位隔離器；使用小波奇異函數(shù)檢測(cè)絕緣子的異物；使用定向彎曲波濾波使用帶能統(tǒng)計(jì)信息確定絕緣缺陷位置，防旋轉(zhuǎn)方法和隔離器故障檢測(cè)基于哈里斯光譜和角聚類。

　　出了一種基于特征的快速魯棒調(diào)整的檢測(cè)方法。些研究得出了一些結(jié)果，但也存在以下問(wèn)題：檢測(cè)算法對(duì)亮度和對(duì)比度的變化敏感，沒(méi)有旋轉(zhuǎn)不變性，并且提取精度需要提高。文提出了一種接觸網(wǎng)絕緣的識(shí)別和定位方法，包括兩個(gè)過(guò)程：提取DHOG元件隔離以及在SVM下識(shí)別和定位隔離器：（1）首先，操作所選目標(biāo)圖像的DHOG應(yīng)該在正樣本和負(fù)樣本上執(zhí)行。?。?）使用SVM分類器形成樣本數(shù)據(jù)庫(kù)，然后準(zhǔn)確確定在滑移檢測(cè)窗口中是否包含絕緣子檢測(cè)目標(biāo)區(qū)域。DHOG函數(shù)使用一組局部直方圖來(lái)描述對(duì)象，這些直方圖計(jì)算圖像特定區(qū)域的梯度方向的頻率，然后將這些單元?jiǎng)澐譃槎鄠€(gè)單元以進(jìn)行特征提取，提取較小的幾何變形和圖像的局部性。以始終保持對(duì)比度變化。整個(gè)圖像中，絕緣子也被認(rèn)為屬于微小目標(biāo)。

　　外，鐵路條件不同，存在角度旋轉(zhuǎn)。于通過(guò)DHOG獲得的描述符具有縮放和旋轉(zhuǎn)不變性，電纜因此本文使用DHOG來(lái)描述其特征。a）首先將圖像劃分為幾個(gè)相同大小的正方形像元，然后將所有四個(gè)相鄰像元合并為塊，如圖1所示。
　?。┦褂靡韵鹿接?jì)算梯度m（x， y）和每個(gè)像素的方向（x，y），計(jì)算每個(gè)單元格的梯度直方圖，并將單元格的梯度直方圖連接到同一塊。連接之后是一個(gè)特征向量36維。c）使用以下公式對(duì)特征向量進(jìn)行歸一化，以消除光線和背景對(duì)比度的影響。

　　公式中，N是塊中的單元數(shù)，L是直方圖除法的間隔數(shù)，Hdn（i）是單元的DHOG，Hr（i）是單元的DHOG 。了提高梯度直方圖的計(jì)算速度，本文采用積分圖法。
　　該公式中，對(duì)應(yīng)于積分圖中的坐標(biāo)點(diǎn)的值，并且對(duì)應(yīng)于原始圖像中具有坐標(biāo)的像素點(diǎn)的灰度值。過(guò)使用以下公式遍歷原始圖像進(jìn)行計(jì)算。公式中，它是左側(cè)同一行上像素的累積像素值。
　　圖2所示，在計(jì)算區(qū)域D的梯度直方圖時(shí)，僅應(yīng)計(jì)算積分圖的四個(gè)點(diǎn)（數(shù)字分別標(biāo)記為1、2、3和4）。類器的訓(xùn)練必須首先在懸鏈線圖像中截取相關(guān)的正樣本和負(fù)樣本。要正樣本是絕緣圖像，負(fù)樣本必須隨機(jī)包含懸鏈線中與絕緣子無(wú)關(guān)的其他部分的圖像（某些樣本如圖3所示）。擇的正負(fù)樣本庫(kù)不僅考慮與目標(biāo)區(qū)域有關(guān)的因素，而且還考慮不相關(guān)的因素。方法可以進(jìn)一步提高檢測(cè)的準(zhǔn)確性。文將截取正負(fù)樣本時(shí)的縱橫比設(shè)置為1：1，以減少“對(duì)齊問(wèn)題”引起的DHOG特性差異。正樣本和負(fù)樣本的大小歸一化為滑動(dòng)檢測(cè)窗口的大小。算正負(fù)樣本的HOG特性，并使用它們描述樣本以形成線性支持向量機(jī)。性支持向量機(jī)使用兩種樣本數(shù)據(jù)的最大間隔來(lái)確定超平面的劃分：它具有以下特征：操作簡(jiǎn)單，計(jì)算速度快。設(shè)用于訓(xùn)練的樣本集為and。中，分類表面由參數(shù)w和b確定，w是權(quán)重向量，b是閾值。是在線性不可分的情況下引入的松弛項(xiàng)。C是懲罰系數(shù)。

　　關(guān)系式（9）所示，通過(guò)迭代求解方程式（8）中的最小值，電纜可以獲得最佳分類區(qū)域和最佳分類決策函數(shù)。于測(cè)試樣本，只要在等式（9）中替換了特征向量，就可以基于函數(shù)的值確定樣本類別。過(guò)以上方法形成的SVM分類器可以用于確定絕緣體是否包括在要檢測(cè)的懸鏈線圖像的滑動(dòng)窗口中。
　　了驗(yàn)證提取DHOG特性和從SVM訓(xùn)練器中提取絕緣的準(zhǔn)確性。來(lái)自影像鐵路圖書館的影像進(jìn)行了偵察和定位實(shí)驗(yàn)。中顯示了單個(gè)普通桿絕緣子在圖像中的定位效果，圖4是單個(gè)絕緣子的識(shí)別效果卡。5顯示圖像中存在多個(gè)絕緣體。4清楚地表明，定位區(qū)域包含所有絕緣子信息，該文件中提出的算法使有效地識(shí)別絕緣子成為可能。以實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的完全提取。
　　于檢查車拍攝的大量圖像，傳統(tǒng)的手動(dòng)檢測(cè)方法已證明難以滿足懸鏈線檢測(cè)的要求，并且無(wú)法保證其效率和準(zhǔn)確性。
　　本文中，使用圖像處理理論從實(shí)時(shí)圖像中提取DHOG特征。方法使得可以以傾斜角度識(shí)別絕緣，并且較少依賴圖像的亮度和對(duì)比度。文提出的絕緣檢測(cè)方法為有效保證電氣化鐵路的安全可靠運(yùn)行提供了新的參考。
　　本文轉(zhuǎn)載自
　　電纜 http://www.ktio.cn