随着图像处理与目标识别技术的高速发展,铁路轨道的自动化检测已逐步取代传统效率较低的人工巡检。扣件是铁路轨道的重要连接部件,其断裂、丢失、道砟遮挡等缺陷状况会导致列车运行时发生非常严重的事故,故针对扣件的检测算法研究对于保证铁路安全运行有着非常重要的意义。而骨架特征作为一种性能优良的形状描述子,已广泛应用于目标识别、图像检索等领域。本文算法通过提取扣件端部的骨架特征对铁路扣件状态进行识别,主要内容如下:(一)针对目前铁路扣件检测算法未能有效利用扣件结构信息且在实际应用中适应性不足的问题,提出了一种基于感兴趣区域和折线特征的铁路扣件检测算法。首先,利用单通道的局部二值模式方法对原始扣件图像进行二值化,并根据图像背景区域中的稳定性特征提取出扣件端部所在的感兴趣区域(Region of Interest,ROI),以克服冗余信息对扣件检测的干扰;其次,通过八方向欧氏距离变换得到能够表征扣件端部结构信息的距离场;然后,融合对应扣件弯曲方向的距离场得到特征矩阵,再利用该矩阵计算特征点,进而提取扣件端部中近似的骨架即折线特征;最后根据本文给定的检测准则对扣件图像进行缺陷检测。理论分析与实验结果表明所提算法具有准确率高、复杂度低、鲁棒性强的优点,且漏检率和误检率均显著降低,有效地提高了扣件检测精度。(二)为了能够更加准确地描述扣件端部形状,本文提出了一种基于截线法的扣件骨架提取和状态检测算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用八方向欧氏距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点,依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架;最后,提取骨架的特征向量并送入SVM分类器进行对扣件状态的检测。理论分析与实验结果证明,本文算法较基于折线特征的算法对扣件形状的描述能力更强,与其他经典算法相比,漏检率和误检率更低,进一步提高了扣件检测准确率。