[发明专利]基于改进Canny边缘检测算法的受电弓磨耗检测方法

权利要求书

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；

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；

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：

步骤2.2、根据初始阈值T⁰将图像分割为目标和背景，分别求出目标的平均灰度值A_b和背景的平均灰度值A_f：

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T^k，公式为：

若T^k＝T^k+1，则T^k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T^k，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；

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；

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H_max，计算均方差σ：

其中，N为图像像素点总数，H_i为第i个像素点的梯度幅值；

步骤4.2、计算高阈值T_h：

T_h＝H_max+σ

步骤4.3、去除梯度幅值高于T_h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，H_i为剩余图像中第i个像素点的梯度幅值；

步骤4.4、计算低阈值T_l：

T_l＝H′_max+σ′

步骤5所述的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，具体如下：

步骤5.1、根据步骤4所得的受电弓边缘轮廓图，从左到右依次计算上下边缘的像素差值，取最小值为最终得到的磨耗像素值；

步骤5.2、通过相机标定，得到最小像素差值和物理空间中距离的对应关系，从而得到实际的磨耗值。