鋼軌傷損的種類眾多且形態(tài)各異,即便對于同類傷損,在超聲波鋼軌探傷檢測軟件中形成的B顯圖像也會存在差異,而當某類傷損的B顯圖像變化超出一定范圍后,檢測軟件便無法識別該傷損的類別。因此,提出一種基于圖像處理的鋼軌傷損分類算法,其采用Tamura紋理特征與局部二值模式(local binary pattern,LBP)相結(jié)合的算法提取傷損B顯圖像的特征值并組成特征向量,使得作為分類器的支持向量機(supportvector machine,SVM)能夠?qū)Σ煌N類傷損的特征向量進行訓練,從而用訓練后的最優(yōu)分類函數(shù)預測未訓練過的待測傷損的類別。試驗結(jié)果表明,所提算法在鋼軌傷損圖像分類方面實現(xiàn)了較高的分類準確率。

【文章頁數(shù)】：7 頁


本文編號：3764078