预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110717900A(43)申请公布日2020.01.21(21)申请号201910921337.9(22)申请日2019.09.27(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人周伟鹏张永苗扬邢宗义(74)专利代理机构南京理工大学专利中心32203代理人薛云燕(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/13(2017.01)G06T7/136(2017.01)G06T7/44(2017.01)权利要求书2页说明书5页附图2页(54)发明名称基于改进Canny边缘检测算法的受电弓磨耗检测方法(57)摘要本发明公开了一种基于改进Canny边缘检测算法的受电弓磨耗检测方法。该方法为:首先利用改进卡尔曼滤波方法对原始图像进行平滑滤波,将滤波后的图像转化为二值图像,并绘制该二值图像每行灰度和与行数的关系图;然后利用模拟退火算法和爬山法定位受电弓位置,将其从背景图像中分割出来;接着利用改进Canny边缘检测算法得到受电弓边缘轮廓图;最后计算受电弓上下边缘最小像素差值,最后通过相机标定和所得最小像素差值算出受电弓磨耗值。本发明具有定位准确、有效性高、适应性强的优点。CN110717900ACN110717900A权利要求书1/2页1.一种基于改进Canny边缘检测算法的受电弓磨耗检测方法,其特征在于,包括以下步骤:步骤1、利用改进卡尔曼滤波方法对目标图像进行平滑滤波,去除噪声;步骤2、利用迭代最佳阈值法,将滤波后的目标图像转化为二值图像,并绘制该二值图像每行灰度和与行数的关系图;步骤3、利用模拟退火算法和爬山法定位受电弓位置,将需要检测的目标受电弓从背景图像中分割出来;步骤4、利用改进Canny边缘检测算法得到受电弓边缘轮廓图;步骤5、计算上下边缘最小像素差值,通过相机标定和所得最小像素差值,计算受电弓磨耗值。2.根据权利要求1所述的基于改进Canny边缘检测算法的受电弓磨耗检测方法,其特征在于,步骤1所述的利用改进卡尔曼滤波方法对目标图像进行平滑滤波,去除噪声,具体如下:利用基于二维分数阶微分掩模的卡尔曼滤波方法,构建二维分数阶随机离散空间状态模型,基于构建的状态模型设计二维离散卡尔曼滤波算法,公式如下:s(x,y)=s′(x,y)+K(x,y)[r(x,y)-Cs′(x,y)]其中,s(x,y)为滤波估计方程,s′(x,y)为系统状态的一步预测方程,K(x,y)为滤波增益方程,r(x,y)为图像测量值,C为测量矩阵。3.根据权利要求1所述的基于改进Canny边缘检测算法的受电弓磨耗检测方法,其特征在于,步骤2所述的利用迭代最佳阈值法,将滤波后的目标图像转化为二值图像,并绘制该二值图像每行灰度和与行数的关系图,具体如下:步骤2.1、求出图像最大灰度值H和最小灰度值L,设定初始阈值T0为:0步骤2.2、根据初始阈值T将图像分割为目标和背景,分别求出目标的平均灰度值Ab和背景的平均灰度值Af:上式g为图像中某像素点灰度值,h(g)为灰度值为g的像素点个数;步骤2.3、计算新阈值Tk,公式为:若Tk=Tk+1,则Tk为所求的阈值,进入步骤2.4;否则,转入步骤2.2继续迭代;步骤2.4、利用所得阈值Tk,得到二值图像,并绘制该二值图像每行灰度和与对应行数的关系图。4.根据权利要求3所述的基于改进Canny边缘检测算法的受电弓磨耗检测方法,其特征2CN110717900A权利要求书2/2页在于,步骤3所述的利用模拟退火算法和爬山法定位受电弓位置,将需要检测的目标受电弓从背景图像中分割出来,具体如下:步骤3.1、利用模拟退火算法计算出步骤2.4得到的关系图中像素和的所有局部极大值,其中包括全局最大值;步骤3.2、以每一个局部极大值为起点,利用爬山法能够搜索局部最值的特点,分别向该局部极大值所在行的两边进行搜索,找到两边距离最近的极小值;步骤3.3、每个局部极大值和其两边的极小值对应行所框定的范围,即为每个受电弓上下边缘的范围,以此将受电弓从背景图像中分割出来。5.根据权利要求1所述的基于改进Canny边缘检测算法的受电弓磨耗检测方法,其特征在于,步骤4所述的利用改进Canny边缘检测算法得到受电弓边缘轮廓图,具体如下:步骤4.1、得到图像的梯度直方图,找出幅值峰值Hmax,计算均方差σ:其中,N为图像像素点总数,Hi为第i个像素点的梯度幅值;步骤4.2、计算高阈值Th:Th=Hmax+σ步骤4.3、去除梯度幅值高于Th的像素点后,对剩余图像再次进行梯度幅值直方图统计,计算新峰值H′max和新均方差σ′:其中,N′为剩余图像的像素点总数,Hi为剩余图像中第i个像素点的梯度幅