利用圖像處理理論，本文從懸鏈線場景圖像中提取了DHOG特征，并相應(yīng)地提取了選定的樣本庫，然后使用SVM仿真器來指示絕緣子的位置和識別。果很好。驗結(jié)果表明，本文描述的方法可以識別傾斜角度的絕緣子，并且對圖像的亮度和對比度的依賴性較小。
　　文提出的定位方法可以為檢測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，中國鐵路從大規(guī)模建設(shè)時期起已全面進(jìn)入運(yùn)維階段。2012年，鐵路公司制定了《牽引力檢測與控制系統(tǒng)（6C系統(tǒng)）規(guī)范》，旨在實現(xiàn)對鐵路設(shè)備故障的智能檢測，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，減少干擾和設(shè)備簡單。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)檢測絕緣子的異物；使用定向彎曲波濾波使用帶能統(tǒng)計信息確定絕緣缺陷位置，防旋轉(zhuǎn)方法和隔離器故障檢測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)整的檢測方法。些研究得出了一些結(jié)果，但也存在以下問題：檢測算法對亮度和對比度的變化敏感，沒有旋轉(zhuǎn)不變性，并且提取精度需要提高。文提出了一種接觸網(wǎng)絕緣的識別和定位方法，包括兩個過程：提取DHOG元件隔離以及在SVM下識別和定位隔離器：（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。取（2）使用SVM分類器形成樣本數(shù)據(jù)庫，然后準(zhǔn)確確定在滑移檢測窗口中是否包含絕緣子檢測目標(biāo)區(qū)域。DHOG函數(shù)使用一組局部直方圖來描述對象，這些直方圖計算圖像特定區(qū)域的梯度方向的頻率，然后將這些單元劃分為多個單元以進(jìn)行特征提取，提取較小的幾何變形和圖像的局部性。以始終保持對比度變化。整個圖像中，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來描述其特征。a）首先將圖像劃分為幾個相同大小的正方形像元，然后將所有四個相鄰像元合并為塊，如圖1所示。
　　）使用以下公式計算梯度m（x， y）和每個像素的方向（x，y），計算每個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。連接之后是一個特征向量36維。c）使用以下公式對特征向量進(jìn)行歸一化，以消除光線和背景對比度的影響。

　　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算速度，本文采用積分圖法。
　　該公式中，對應(yīng)于積分圖中的坐標(biāo)點(diǎn)的值，并且對應(yīng)于原始圖像中具有坐標(biāo)的像素點(diǎn)的灰度值。過使用以下公式遍歷原始圖像進(jìn)行計算。公式中，它是左側(cè)同一行上像素的累積像素值。
　　圖2所示，在計算區(qū)域D的梯度直方圖時，僅應(yīng)計算積分圖的四個點(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)一步提高檢測的準(zhǔn)確性。文將截取正負(fù)樣本時的縱橫比設(shè)置為1：1，以減少“對齊問題”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檢測窗口的大小。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)的最大間隔來確定超平面的劃分：它具有以下特征：操作簡單，計算速度快。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。C是懲罰系數(shù)。

　　關(guān)系式（9）所示，通過迭代求解方程式（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的懸鏈線圖像的滑動窗口中。
　　了驗證提取DHOG特性和從SVM訓(xùn)練器中提取絕緣的準(zhǔn)確性。來自影像鐵路圖書館的影像進(jìn)行了偵察和定位實驗。中顯示了單個普通桿絕緣子在圖像中的定位效果，圖4是單個絕緣子的識別效果卡。5顯示圖像中存在多個絕緣體。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別絕緣子成為可能。以實現(xiàn)對目標(biāo)區(qū)域的完全提取。
　　于檢查車拍攝的大量圖像，傳統(tǒng)的手動檢測方法已證明難以滿足懸鏈線檢測的要求，并且無法保證其效率和準(zhǔn)確性。
　　本文中，使用圖像處理理論從實時圖像中提取DHOG特征。方法使得可以以傾斜角度識別絕緣，并且較少依賴圖像的亮度和對比度。文提出的絕緣檢測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://m.nxzc.com.cn