雷蕾，宋冬利，张卫华，何平

(1.西南交通大学 牵引动力国家重点实验室，四川 成都610031；2.西南交通大学 数学学院，四川 成都610031)

目前，国内都是采用货车运行故障动态图像检测系统(TFDS)或客车故障轨边图像检测系统(TVDS)以及动车故障轨边图像检测系统(TEDS)对转向架关键部件进行周期性的缺陷检测，是保障车辆安全稳定运行的基础[1]，当前的系统大部分只是实现了对车辆底部图像的采集、传输、图像预处理等工作，需要利用数字图像处理技术，提升图像检测系统的自动化程度和检测的精度，实现由“人检”向“机检”的方式转变。国内有许多专家学者对基于图像的转向架的故障识别进行了深入的研究。赖冰凌等[2]运用梯度共生矩阵描述图像，采用Relief算法进行特征提取，利用图像匹配技术，完成了货车关门车故障的算法研究，很好地解决了图像匹配效率低和精确度不高的问题；蒋春明[3]结合灰度梯度投影、图像分割、优化的边缘检测等算法，对关门车与交叉杆故障的关键部位完成了定位、分割，并对故障特征进行了识别，最终实现了这2种故障的自动检测；李静[4]采用基于HOG特征及SVM的方法对机车底部的关键螺栓可能存在的故障进行了研究；孙国栋等[5]提出了一种基于形状上下文的列车挡键丢失图像识别算法，利用形状上下文描述图像的形状特征，加权形状上下文距离与弯曲能量以定义形状距离来识别档键是否丢失的故障；TEJANI等[6]通过将模板与霍夫森林算法相结合，可以实现目标识别和姿态估计，但是数据量的增加，会使得计算变得困难。……