技术摘要：
一种动车组TEDS系统图像特征字典生成方法。该方法的输入是高铁检测图像数据集和给定字符数D，输出是对应给定字符数D的字典。该方法包括：输入图像数据集，构建图像序列，构造标量值函数获取图像标量场，奇点检测及奇点特征提取，统计向量个数并计算均值向量，有效字符  全部
背景技术：
在动车组运行过程中，目前主要采用人工图像判别方式对动车组进行实时图像检 测与分析，每天全路有近三千多名工作人员围绕系统产生的实时图像进行人工图像评判， 该工作劳动强度大，易产生视觉疲劳，进而造成漏报、误报。同时，图像识别有较高时效性的 要求，图像采集后要求在规定时间内发现并定位缺陷以及故障问题，从而保证列车安全运 行，以目前的人工评判是难以实现的，容易受到人工的经验和疲劳度影响。 随着机器视觉技术的飞速发展，模拟人工检测原理，基于视觉的产品质量高速自 动化检测技术引起了相关行业的广泛关注。它具有适应性好、标准统一、检测结果一致性高 等特性。目前主流的算法可以分为两类：基于区域建议的目标检测算法和基于回归的目标 检测算法。但其均采用单一的特征提取算法，仅适用于一类图像，存在一定的局限性。特别 是对于高铁底部和侧面这类复杂图像，现有的目标检测算法并不能直接应用。因此，如何构 造能反应多图像特征的字典，从而融合多个特征提取算法共同检测，是需要重点解决的技 术问题。
技术实现要素：
本发明目的是解决现有技术存在的上述问题，提供一种动车组TEDS系统图像特征 字典生成方法。 本发明的技术方案 一种动车组TEDS系统图像特征字典生成方法，该方法的输入是高铁检测图像数据 集和给定字符数D，输出是对应给定字符数D的字典。所述方法包括： 第1步、构建图像序列 对于输入的包含A幅图像的数据集，设定比例系数K j1<1，利用利用数据集中图像 I1 构造由M幅图像构成的图像序列，图像序列中所有图像的长宽比与图像jI1相同，Li 1/Li＝ K1，i＝1,2,…,M-1，其中Li表示序列中第i幅图像jIi的长边长度，对数据集中j＝1,2,…A的 所有图像进行上述操作，得到A×M幅图像。 第2步、构造标量值函数 构造标量值函数S(I,u,v)，其中I为输入图像，(u,v)为图像坐标；函数的主要功能 是构建一个与输入图像尺寸相同的标量场，提取输入图像中各个坐标点的灰度值并存于标 量场中。对于第1步得到的所有A×M幅图像中的每一幅，遍历计算每个像素的函数值，得到 与输入图像尺寸相同的标量场。 标量值函数S(I,u,v)的获取方法是：将图像灰度化并提取灰度值存于标量场。 第3步、检测奇点 4 CN 111612087 A 说　明　书 2/4 页 对于每幅标量场图，逐个判断每个像素，如果一个像素在以自身为中心的T×T邻 域内具有最大值，则认为该像素为奇点，记所有A×M幅图像中检测到的全部奇点的数量为 N，给每个奇点一个编号q，第q个奇点表示为Pq，q＝1,2,…,N。 第4步、对奇点提取特征 对于奇点Pq，利用G种不同的特征提取算子(包括：ORB，SIFT和HOG等)提取特征。可 以根据工程问题的情况灵活设计算子的具体内容。但在逻辑层面上，该步骤中的算子包含 作用域和编码规则两个部分。其中作用域是以奇点Pq为参照的，大小为mj×nj的图像区域i Ωj，编码规则rj是一个以作用域内像素为输入的向量值函数。根据所定义的符号Ji，利用第 j个算子处理第i个奇点的过程可以写成如下函数形式： iR ＝r (ij j Ωj) 其中iRj是一个Dj维的向量，j＝1,2,…,G。如果在图像上，算子的作用域超出了图 像边界，则认为该算子无效，将输出向量规定为Dj维0向量。 第5步、统计向量个数 在下标j＝1的所有向量中随机选取一个非零向量iR1，如果与该向量欧式距离小于 给定阈值Tj的非零向量个数小于阈值TE，则认为无效，重新随机选取非零向量。否则，计算包 括向量iR1本身在内所有欧式距离小于给定阈值Tj向量的均值向量 第6步、计算均值向量 计算所有与 欧式距离小于给定阈值Tj的非零向量的均值向量，并用新的均值向 量更新 不断重复该过程，直到更新前后 的值不再改变为止。 第7步、有效字符挖掘 确定半径d1，使得在以 为球心，d1为半径的Dj球体中，指标 取得最大 值，C为球体内非零向量的个数。如果球体内非零向量的个数超过阈值Ts，认为挖掘出第一 个有效字符w1，按照如下格式记录该球体的球心、半径以及特征提取算子的句柄作为字符w1 的信息: 并将该字符保存于特征字典中。 第8步、记录字符w1的球体内所有非零向量的左上标，对于j＝1,2,…,G，将所有相 应左上标的向量置为零向量。 第9步、重复第5步至第8步，直到没有新的有效字符产生。 第10步、将j的值加1，重复第5步至第9步，直到没有新的有效字符产生。 第11步、重复第10步，直到j＝G，输出特征字符字典D，D＝[w1...wk...wG]，1≦k≦ G， 本发明的优点和有益效果： 本发明通过建立特征字典的形式将多个图像特征提取算子进行融合，打破了传统 使用的单一图像特征提检测的方法，从而结合了每个算子的长处，大大提高了后续的图像 识别工作效率与准确率。 附图说明 图1是本发明方法的算法模块图。 5 CN 111612087 A 说　明　书 3/4 页 图2是本发明方法的整体流程图。