赵聪慧，冯庆胜

(大连交通大学电气信息工程学院，辽宁 大连 116028)

0 引 言

随着现代化铁路技术的迅猛发展，高铁因其快速、便捷的特点成为备受大众青睐的出行方式，如何确保列车的安全性能成为铁路行业人员关注的焦点。车轮作为列车的重要组成部分[1]，其不仅承载着列车的所有重量，还承受着摩擦制动中的热负荷，它的状态决定了列车能否安全、平稳运行。踏面作为车轮与钢轨接触的载体，不可避免地会因为列车紧急制动或机车司机操作不当发生损伤[2]。为了避免列车事故，需要准确、有效地提取踏面的纹理信息[3]，以防患于未然。

常见的纹理提取方法包括：统计分析法(如灰度共生矩阵GLCM)、结构分析法(数学形态学法)、模型分析法(马尔科夫模型)和信号处理法(Radon变换、小波变换[4])4大类[5]。在已有的列车车轮踏面特征提取的研究中，主要采用灰度共生矩阵作为特征提取的手段。刘尚昆[6]、张志腾[7]用能量、对比度、熵、相关度4种统计量的平均值来表征灰度共生矩阵，以此描述踏面的纹理情况;杨颖等人[8]将灰度共生矩阵、灰度—梯度共生矩阵、标准方差三者组合，从中筛选出对纹理贡献最大的统计量。但是这些方法数据处理量大、数据处理过程繁杂，效率低下，对于一些旋转图像纹理信息[9]的提取存在较大的困难。同一个车轮，摄像机在不同的角度拍到的图像是不同的，人眼可以看出是同一个车轮，但是计算机却不具有这种识别能力。因此，需要一种可以提取旋转不变纹理信息[10-11]的算法。……