基于汉明距离最近邻算法在铁路扣件识别中的应用.docVIP

  基于汉明距离最近邻算法在铁路扣件识别 中的应用 马姗，黄雅平，窦云广** 5 10 15 20 25 （北京交通大学计算机与信息技术学院，北京 100044） 摘要：最近邻分类算法每次决策都要计算未知样本与全部训练样本的距离并加以比较，在设 计最近邻算法时，需要一个衡量样本之间距离的度量函数，比如：切比雪夫距离、chi-开方 距离、汉明距离。本文首先计算出扣件模板和扣件样本 HOG 的特征，然后采用基于汉明距 离的最近邻算法进行扣件特征匹配。汉明距离是一种对两个特征向量之间相应位进行比较的 度量函数，逐位计算，计算速度快。在本文实验中，与基于 chi-开方距离的最近邻算法进行 比较，基于汉明距离的最近邻算法提高了铁轨图像中的扣件检测效率。 关键词：模式识别；最近邻算法；汉明距离；扣件识别 中图分类号：TP391.4 The application of the nearest neighbor algorithm based on hamming Ma Shan, Huang Yaping, Dou Yunguang (Computer and Information Technology School, Beijng Jiaotong University, Beijing 100044) Abstract: The nearest neighbor algorithm has to calculate the distance of unknown sample and all the training samples before decision-making. Metric function is very important in the nearest neighbor algorithm, for example, chebyshev distance, chi-square distance, hamming distance. We apply the HOG characteristics and the nearest neighbor algorithm based on Hamming distance to bolt recognition in the track images. Hamming distance is a metric function which compares the corresponding bits in two feature histograms. Its calculating speed is pretty high due to the bit operation. The experimental results demonstrate that compared with the nearest neighbor algorithm based on chi-square distance, the nearest neighbor algorithm based on Hamming distance can improve the efficiency of bolt detection in the track images. Keywords: Pattern recognition; Hamming distance; The nearest neighbor algorithm; Bolt recognition 30 0 引言 扣件是用来连结钢轨和轨枕的零件，常见的扣件种类有六角形扣件，环形扣件等。根据 美国联邦铁路管理局（FAR）铁路事故数据库 1998~2009 年 12 年之间的铁路事故数据显示， 造成铁路事故的主要原因是钢轨和扣件产生缺陷以及轨道几何形状发生变化。因此，铁路扣 35 40 件识别对铁路预警技术的研究有着十分重要的意义[1][2] 。本文对铁轨图像中的扣件识别，采 用模板匹配的方法。首先提取扣件模板和样本的 HOG 特征，HOG 特征即梯度方向直方图 特征是用来描述物体局部区域内的梯度和边缘特征，能够很好的描述扣件的形状信息。然后 用基于汉明距离的最近邻算法进行特征匹配，从而检测出扣件。最近邻分类器无需对样本进 行学习，是一种简单而有效的分类器，并且汉明距离是一种按位进行计算的度量，这样在实 际特征匹配的过程中，利用基于汉明距离的最近邻分类器，会大大提高扣件检测的效率本文 对比基于 chi-开方距离的最近邻算法和基于汉明距离的最近邻算法，实验结果表明，后者提 高了扣件检测的效率。 作者简介：马姗，（1989-），女，硕士研究生，主要研究方向：图像处理、模式识别。 通信联系人：黄雅平，（1974-），