一种基于K均值聚类的钢轨焊缝轮廓自动定位方法.pdf

(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CN109993741A(43)申请公布日2019.07.09(21)申请号201910265242.6(22)申请日2019.04.03(71)申请人南昌航空大学地址330063江西省南昌市丰和南大道696号(72)发明人熊邦书刘星武雷鸰陈新云(74)专利代理机构南昌华成联合知识产权代理事务所(普通合伙)36126代理人张建新(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/12(2017.01)G06K9/62(2006.01)权利要求书2页说明书5页附图6页(54)发明名称一种基于K均值聚类的钢轨焊缝轮廓自动定位方法(57)摘要本发明公开了一种基于K均值聚类的钢轨焊缝轮廓自动定位方法，包括步骤：1)采集单帧钢轨焊缝图像；2)对单帧钢轨焊缝图像进行预处理；3)利用K均值聚类算法对焊缝图像进行分割；4)粗定位焊缝轮廓；5)精定位焊缝轮廓。本发明的优点是：采用K均值聚类方法对不同进光量的焊缝图像进行分割，均可以得到精确的焊缝分割结果；采用粗定位和精定位两步法，能够自动定位焊缝轮廓。本发明能够实现钢轨焊缝轮廓的自动定位，具有定位效果好、抗干扰能力强和自动化程度高的特点。CN109993741ACN109993741A权利要求书1/2页1.一种基于K均值聚类的钢轨焊缝轮廓自动定位方法，包括以下步骤：(1)采集单帧钢轨焊缝图像；(2)对单帧钢轨焊缝图像进行预处理；(3)利用K均值聚类算法对焊缝图像进行分割；(4)粗定位焊缝轮廓；(5)精定位焊缝轮廓。2.根据权利要求1所述的方法，其特征在于，步骤(2)采用中值滤波对焊缝图像进行预处理，去除图像中的噪声。3.根据权利要求1所述的方法，其特征在于，步骤(3)利用K均值聚类算法对焊缝图像进行分割具体为：(3.1)生成一维数据矩阵A，矩阵的行为图像宽w与高h的乘积，矩阵的列为1，矩阵中元素的值为相应预处理后图像像素点的灰度值；(3.2)定义一个与步骤(3.1)同样大小的标记矩阵B，用于存放数据矩阵中每个像素点所属簇的信息；(3.3)确定K值大小，K为聚类数目；(3.4)选择聚类中心μ1,μ2,...,μK∈R，μj表示第j类中心的灰度值，其中，j＝1,2,...,K；(3.5)将一维数据矩阵A中所有元素归类；某一元素a(i1)归类的方法是利用式(1)计算矩阵中每个元素的灰度值与每个聚类中心μj的差值，并将该元素归为差值最小的那个聚类中心，2b(i1)＝argminj||a(i1)-μj||(1)其中，i＝1,2,...,w×h，a(i1)为第i个像素点的灰度值，b(i1)为第i个元素的分类结果；(3.6)更新聚类中心，根据步骤(3.5)的分类结果，利用式(2)重新计算每一个聚类中心，其中，m为某个聚类中元素的数量，1{b(i1)＝j}是一个真值判断，若b(i1)＝j输出为1，否则为0；(3.7)聚类迭代，重复步骤(3.5)和步骤(3.6)的过程，直至达到最大设定的迭代次数或者聚类中心的变化值小于设定的阈值时，聚类迭代结束；(3.8)分割焊缝图像，根据数据矩阵元素的聚类结果，利用式(3)计算焊缝图像中第j类元素的灰度值，其中，b(i1)的值为0～K-1。4.根据权利要求1所述的方法，其特征在于，步骤(4)粗定位焊缝轮廓具体为：(4.1)对步骤(3)得到的焊缝分割图像，采用Canny算子进行边缘检测，得到具有多个轮廓的二值图像，其中，每个轮廓由多个连续的像素点所构成；(4.2)对步骤(4.1)中得到的多个轮廓，删除多个轮廓中所有像素点个数之和小于某个2CN109993741A权利要求书2/2页设定阈值的轮廓，得到焊缝轮廓和大于或等于设定阈值的干扰轮廓，实现了焊缝轮廓的粗定位。5.根据权利要求1所述的方法，其特征在于，步骤(5)精定位焊缝轮廓具体为：(5.1)对步骤(4)中粗定位后的每个轮廓，对比轮廓中每个像素点的y坐标值，得到最大的y坐标值；(5.2)将步骤(5.1)中得到的所有最大y坐标值进行对比，得到最大的ymax，输出最大的ymax坐标值相对应的焊缝轮廓，实现了焊缝轮廓的定位。3CN109993741A说明书1/5页一种基于K均值聚类的钢轨焊缝轮廓自动定位方法技术领域[0001]本发明涉及一种钢轨焊缝检测方法，尤其涉及一种钢轨焊缝轮廓自动定位方法。背景技术[0002]高铁技术的快速发展不仅改变了居民的出行方式和时空观念，也为我国的经济发展注入了新的活力。[0003]为保障高速列车安全、平稳地运行，铁路铺设常采用无缝线路。无缝线路需将钢轨焊接成固定长度后，再运输到铁路现场进行铺设。钢轨在焊接过程中，两个钢轨之间存在焊缝，如果焊缝错边量过大，轻则影响列车的舒适性，重则造