针对当前动车组运行故障动态图像检测系统(trouble of moving EMU detection system,TEDS)故障识别准确率低的问题,本文提出一种借助弱纹理匹配的动车底部潜在故障区域定位方法。首先,采用拓扑交叉数检测大量弱纹理区域特征点;然后,以特征点为中心的环形区域内各像素点的拓扑交叉数值筛选特征点,构建相应特征向量进行弱纹理特征匹配;最后,对配准后的图像进行比对定位潜在故障区域。实验结果表明,该算法保证了匹配精度,能检测出大部分潜在故障区域,弱纹理区域的特征匹配准确率超过80%且所有图像对均存在特征匹配对,为以后的精准故障分类提供了有利条件。
黄粤豫;周航;陈业泓;陆鑫;余佳;韩睿宇;
北京交通大学电子信息工程学院,北京100044
计算机与自动化
图像配准;特征匹配;弱纹理特征;潜在故障;区域定位;拓扑交叉数;均值漂移;特征筛选
《智能系统学报》 2024 (003)
P.670-678 / 9
国家自然科学基金面上项目(61872027);北京交大科研项目(W21L00390);中建电子智能交通研究生联合培养基地建设项目(275210529245).
10.11992/tis.202303006
评论