基于改进Canny算法的列车车轮踏面损伤边缘提取.docx

基于改进Canny算法的列车车轮踏面损伤边缘提取
摘要：
车轮踏面损伤对于列车的运行和安全具有很重要的影响，因此较好的车轮损伤检测方法和边缘提取算法变得非常重要。本文提出了一种基于改进Canny算法的列车车轮踏面损伤边缘提取方法。该方法采用自适应的高斯滤波器进行图像平滑处理，然后进行图像边缘检测，通过改进Canny算法提取车轮踏面损伤的边缘。
通过实验，本文所提出的方法较好的提取了车轮踏面损伤区域的边缘，且边缘提取的结果更加准确，可以为车轮损伤检测提供一定的参考。同时，该方法的计算速度也比较快，适合大规模数据的处理。
关键词：车轮踏面损伤，边缘提取，Canny算法
1.研究背景和意义
车轮踏面损伤会对列车的运行和安全造成影响。因此，及时准确地检测车轮踏面损伤，对于确保列车的运行和安全具有非常重要的意义。而边缘提取是图像处理中的重要基础技术，对于车轮损伤的检测同样具有重要意义。因此，一种较好的车轮踏面损伤边缘提取算法就变得非常重要。
Canny算法是边缘提取算法中最为常用的一种方法。然而，传统的Canny算法会出现边界断裂等问题，需要进行改进。
2.改进Canny算法
2.1自适应高斯滤波器
传统Canny算法采用固定的高斯滤波器对图像进行滤波处理。然而，由于车轮损伤区域的大小和形状不固定，所以采用固定的高斯滤波器会造成信息的损失。
因此，本文采用自适应的高斯滤波器进行图像平滑处理。该方法通过计算每个像素点的局部方差，以此来确定每个像素点的高斯滤波器的参数，从而达到不同车轮损伤区域的自适应处理。
2.2边缘检测
在Canny算法中，边缘检测的基本原理是，在图像中求出灰度变化最大的方向，即梯度方向，然后在该方向上检测局部最大梯度值，得到局部边缘。然而，在真实图像中，车轮损伤区域的边缘比较复杂，可能存在噪声干扰、边缘断裂等问题。
因此，本文采用改进Canny算法来进行边缘提取。改进Canny算法主要在两个方面进行了改进：
1）对于噪声干扰的削弱
传统Canny算法中采用非极大值抑制的方法，来消除噪声干扰的影响。然而，当噪声比较严重时，非极大值抑制的效果不好。因此，本文采用基于局部总体分布参数估计的AdaptiveNon-maximumSuppression(ANMS)算法，来对边缘进行优化。
2）边缘连接和填充
为了进一步优化边缘图像的质量，本文采用了边缘连接和填充的方法。具体来说，利用基于颜色和距离的连通性分析方法，将边缘进行连接，然后进行填充，以得到更为连续和完整的边缘。
3.实验结果分析
本文采用了UCIMachineLearningRepository上提供的车轮踏面损伤数据集进行实验。实验结果表明，本文采用的基于改进Canny算法的边缘提取方法，较好的提取了车轮踏面损伤区域的边缘，且边缘提取的结果更加准确。同时，该方法的计算速度也比较快，适合大规模数据的处理。
4.总结
本文提出了一种基于改进Canny算法的列车车轮踏面损伤边缘提取方法。该方法通过自适应的高斯滤波器对图像进行平滑处理，然后利用改进Canny算法进行边缘检测，并采用边缘连接和填充方法，以得到更准确、完整的边缘。实验结果表明，该方法较好的提取了车轮踏面损伤区域的边缘，且边缘提取的结果更加准确。