【技术实现步骤摘要】
一种适用于铁路机车车辆闸片闸瓦图像识别的融合算法
[0001]本专利技术属于图像处理
,具体涉及一种适用于铁路机车车辆闸片闸瓦图像识别的融合算法。
技术介绍
[0002]闸片闸瓦为机车车辆制动系统的核心部件,当闸片闸瓦磨损到一定程度就会失效,影响机车车辆的制动性能和运行安全;因此,需对机车车辆闸片闸瓦进行定期检测。建议针对机车车辆闸片闸瓦处以机辆的位置说明采集图像的困难程度。随着传感器技术的发展,各种传感器被用于获取机车车辆闸片闸瓦不同的数据信息。红外图像可以通过捕获白天或晚上从铁路机车车辆闸片闸瓦发出的辐射信息来很好地区分目标,但获得的数据缺乏空间分辨率,闸片闸瓦的纹理和细节性能都较差。相比之下,可见图像可以获得闸片闸瓦丰富的纹理外观,但它不能区分热目标,特别是在低光的环境下。图像融合技术在整合各种数据信息中起着增强信息和减少冗余的重要作用。
[0003]现有的图像融合方法难以同时兼顾计算效率和准确性,基础方法速度快,但其融合性能有限;先进的方法可以有良好的视觉结果,但计算效率不高。
技术实现思路
[0004]为了弥补现有技术的不足,本专利技术提供一种适用于铁路机车车辆闸片闸瓦图像识别的融合算法,通过自适应参数的灰度映射方法增强原始图像,通过结构分解算法提高图像的融合量化指标,增强了可见光图像纹理边缘信息和热目标信息,保证了图像计算速度与质量。
[0005]为了达到上述目的,本专利技术所采用的技术方案为:
[0006]一种适用于铁路机车车辆闸片闸瓦图像识别的融合算法,其 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种适用于铁路机车车辆闸片闸瓦图像识别的融合算法,其特征在于:包括如下步骤:步骤S10:对采集到的铁路机车车辆闸片闸瓦可见光图像和红外图像分别计算平均梯度模G
Vis
、G
IR
与标准差S
Vis
、S
IR
;步骤S20:采用步骤S10的结果,分别作为图像纹理边缘强度与热目标强度指标来计算灰度映射函数权重:式中,G
Vis
为可见光图像平均梯度模,G
IR
为红外图像平均梯度模,S
Vis
为可见光图像标准差,S
IR
为红外图像标准差;c
VIs
为可见光图像自适应权重,c
IR
为红外图像自适应权重,γ为通过两张图像标准差来计算红外图像第一次变换的自适应权重;步骤S30:设原始图像为X,定义纹理边缘增强灰度映射函数S(X)及热目标增强函数gamma(X)分别为:步骤S40:计算灰度映射增强可见光与红外图像X
′
Vis
=S(X
Vis
),X
′
IR
=S(gamma(X
IR
));步骤S50:对步骤S40得到的两张增强图像分别滑动图像窗口,按照结构分解公式x=l
·
1+||x
‑
l||
·
((x
‑
l)/||x
‑
l||)将图像滑窗x分解为图像均值l、图像信号强度||x
‑
l||以及信号结构(x
‑
l)/||x
技术研发人员:胡平,史时喜,侯小祥,周航博,丁子全,严飞,杨树旺,周飞虎,
申请(专利权)人:中铁第一勘察设计院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。