蒋丽洁， 柴晓冬，李立明， 郑树彬

(上海工程技术大学 城市轨道交通学院， 上海 201620)

0 引 言

随着科技的进步，提出将图像处理与机械化铁路巡检结合起来，通过研究接触网立柱信息，完成对接触网立柱或标识牌数字信息的识别，最终达到轨道区间定位的目的。武翔宇等应用Hough直线检测的接触网支柱定位方法，利用HOG特征和SVM分类器结合的方式成功完成支柱号码牌识别[1]，其缺点是需要大量的正负样本来收集特征；徐可佳将4C系统所拍摄接触网支柱号作为研究对象，设计了基于Faster R-CNN的深度学习算法[2]，但图像分辨率不高；刘华春等采用视觉显著性检测算法定位车牌[3]；陈曦等利用显著性检测算法自动过滤不感兴趣区域的干扰，高效的计算方式减少计算资源的浪费[4]；姜博文等将马尔可夫链与先验知识融合，摆脱前景区域的影响[5]。

对图像简单线性迭代(simple linear iterative cluster ,SLIC)超像素分割后，本文提出利用吸收马尔可夫链的显著性检测，对接触网立柱区域初步定位，将接触网区域进行前景分割后，排除一切背景的干扰，利用基于MLP分类器的算法对接触网标识牌信息进行识别，为地铁线路的轨道区间定位提供新思路，识别过程算法如图1所示。

1 基于显著性检测的接触网立柱定位算法

为了构造吸收马尔可夫链的显著性检测模型，首先利用强健的背景先验的算法来选择吸收节点，以吸收马尔科夫链中的转移节点到吸收节点的被吸收时间作为转移节点的显著值。……